[发明专利]一种集成学习的网页分类方法及装置在审
| 申请号： | 201610227852.3 | 申请日： | 2016-04-13 |
| 公开（公告）号： | CN106126512A | 公开（公告）日： | 2016-11-16 |
| 发明（设计）人： | 任艳萍;潘季明;崔雨雷;孟庆飞 | 申请（专利权）人： | 北京天融信网络安全技术有限公司;北京天融信科技股份有限公司;北京天融信软件有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 工业和信息化部电子专利中心 11010 | 代理人： | 梁军 |
| 地址： | 100085 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种集成学习的网页分类方法及装置，输入网页统一资源定位符URL，对输入的所述网页URL进行去重和确保有效性处理后，得到网页URL集合；通过分布式爬虫对所述网页URL集合对应的网页内容进行爬取，并对爬取到的所述网页内容进行预处理，生成原始语料；对所述原始语料进行分词处理得到待分类语料；创建至少两种分类算法模型，并通过所述分类算法模型并行对待分类语料向量化文档进行网页URL分类预测，将网页URL分类预测结果一致的网页URL归为一类并按类存入URL分类库。通过至少两种分类算法对网页URL进行分类，以分类结果全部一致为入库准则，提高了网页URL分类库准确率。 | ||
| 搜索关键词： | 一种 集成 学习 网页 分类 方法 装置 | ||
【主权项】：
一种集成学习的网页分类方法，其特征在于，包括：步骤一，输入网页统一资源定位符URL，对输入的所述网页URL进行去重和确保有效性处理后，得到网页URL集合；步骤二，通过分布式爬虫对所述网页URL集合对应的网页内容进行爬取，并对爬取到的所述网页内容进行预处理，生成原始语料；步骤三，对所述原始语料进行分词处理得到待分类语料；步骤四，通过至少两种分类算法模型并行的对待分类语料向量化文档进行网页URL分类预测，将网页URL分类预测结果均一致的网页URL归为一类并按类存入URL分类库。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京天融信网络安全技术有限公司;北京天融信科技股份有限公司;北京天融信软件有限公司，未经北京天融信网络安全技术有限公司;北京天融信科技股份有限公司;北京天融信软件有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610227852.3/，转载请声明来源钻瓜专利网。
- 上一篇：艾灸包
- 下一篇：一种便携式多功能电源
