[发明专利]色情网站识别方法、装置、电子设备及存储介质

权利要求书

1.一种色情网站识别方法，其特征在于，所述方法包括：

获取待识别网站，并基于所述待识别网站获取待识别网站特征以及待识别网站图像；

基于所述待识别网站特征以及所述待识别网站图像，通过文本模型和图像模型，对所述待识别网站进行色情网站识别，其中，所述文本模型通过网站特征训练数据训练得到，所述图像模型通过网站图像训练数据训练得到。

2.根据权利要求1所述的色情网站识别方法，其特征在于，所述基于所述待识别网站特征以及所述待识别网站图像，通过文本模型和图像模型，对所述待识别网站进行色情网站识别，包括：

将所述待识别网站特征输入至所述文本模型，得到关于所述待识别网站特征的第一输出结果；

基于所述第一输出结果，以及所述待识别网站图像关于所述图像模型的第二输出结果，对所述待识别网站进行色情网站识别。

3.根据权利要求2所述的色情网站识别方法，其特征在于，所述基于所述第一输出结果，以及所述待识别网站图像关于所述图像模型的第二输出结果，对所述待识别网站进行色情网站识别，包括：

若所述第一输出结果为所述待识别网站为色情网站，则将所述第一输出结果作为所述待识别网站的识别结果；

若所述第一输出结果为所述待识别网站不为色情网站，则将所述待识别网站图像输入至所述图像模型得到所述第二输出结果，并将所述第二输出结果作为所述待识别网站的识别结果。

4.根据权利要求2所述的色情网站识别方法，其特征在于，在所述将所述待识别网站特征输入至所述文本模型之前，所述方法还包括：

对所述待识别网站特征进行预处理，并将进行预处理之后的待识别网站特征作为最终输入至所述文本模型的待识别网站特征，其中，所述预处理包括缺失值处理、归一化处理和独热码处理中的一种或多种。

5.根据权利要求2所述的色情网站识别方法，其特征在于，在所述基于所述第一输出结果，以及所述待识别网站图像关于所述图像模型的第二输出结果，对所述待识别网站进行色情网站识别之前，所述方法还包括：

将所述待识别网站图像进行图像分割处理，得到多张分割后网站图像，并将多张所述分割后网站图像作为最终输入至所述图像模型的网站图像，以及

基于多张所述分割后网站图像关于所述图像模型的输出结果，确定所述第二输出结果。

6.根据权利要求1所述的色情网站识别方法，其特征在于，所述待识别网站特征包括待识别网站URL特征，所述待识别网站特征采用以下方式确定：

确定所述待识别网站的网站URL，基于所述网站URL得到所述待识别网站的域名，并统计关于所述域名的链接数量、请求次数、IP访问数量、访问时长、域名特征、域名级数以及域名特殊字符数量；

基于所述链接数量、所述请求次数、所述IP访问数量、所述访问时长、所述域名特征、所述域名级数以及所述域名特殊字符数量中的一种或多种，确定所述待识别网站URL特征。

7.根据权利要求1所述的色情网站识别方法，其特征在于，所述待识别网站特征包括待识别网站内容特征，所述待识别网站特征采用以下方式确定：

确定所述待识别网站的网页中的预设字符之后的中文敏感词的数量，其中，所述中文敏感词基于色情关键词词表确定；

基于所述中文敏感词的数量，确定所述待识别网站内容特征。

8.根据权利要求1所述的色情网站识别方法，其特征在于，所述网站特征训练数据包括网站URL特征训练数据，所述网站URL特征训练数据包括域名的链接数量、域名请求次数、IP访问数量、域名访问时长以及域名级数，所述文本模型通过以下方式训练得到：

基于所述域名的链接数量、所述域名请求次数、所述IP访问数量、所述域名访问时长以及所述域名级数中的一种或多种，对所述文本模型进行训练。