[发明专利]一种基于深度学习的网页类型智能识别方法及系统

摘要

本发明提供了一种基于深度学习的网页类型智能识别方法及系统，包括：搜集不同类型网页数据，标记每个网页类别，并对每个网页进行预处理，得到训练集数据；对训练集中的数据，利用深度学习算法构建深度学习模型；对每个测试的网页进行预处理将所得到的数据输入所述深度学习模型，得到该测试网页的网页类型。同时，本发明还提供了一种基于深度学习的网页类型智能识别系统。采用本发明实施例，能够提高网页智能分类的准确率。

主权项

1.一种基于深度学习的网页类型智能识别方法，该方法包括以下步骤：S1、输入待分类识别网页；S2、深度学习分类模型对输入网页进行分类识别，得到所述待分类识别网页的类别信息；所述深度学习分类模型通过以下步骤得到：S2.1、获取标记有类别的网页数据集；S2.2、筛选训练网页集和测试网页集；S2.3、对网页进行预处理操作；S2.4、深度学习分类模型计算；S2.5、深度学习模型验证；所述对网页进行预处理操作，进一步包括：S2.3.1、获取网页的HTML源代码；S2.3.2、网页净化：把一个网页中对分类没有影响或者影响分类效果的部分内容去掉；S2.3.3、文本序列化处理：将输入的网页文本的标签、短链接文字进行保留，将超过一定长度L的长链接文字使用字母进行标记，将长度超过M字的文本的每个字用特殊符号代替，将超过长度N的文本用N个特殊符号代替，得到处理后的文本序列；其中，对长链接文字进行标记的字母与特殊符号不同，L、M、N为整数，L＜M＜N；S2.3.4、矩阵转换：将文本序列转变为一个二维矩阵。