【技术实现步骤摘要】
主页的识别处理方法、装置、设备及存储介质
本申请涉及互联网
，尤其涉及一种主页的识别处理方法、装置、设备及存储介质。
技术介绍
随着互联网相关技术的成熟与发展，网络信息呈爆炸性增长。用户在信息检索的时候，发现大部分信息没有太大价值，属于垃圾信息。有价值的信息隐藏在大量垃圾信息当中，其呈现形式也多种多样，导致用户不能有效获取到有用的信息。因此如何使用户从互联网获取到最想要的信息成为亟需解决的技术问题。
技术实现思路
本申请提供一种主页的识别处理方法、装置、设备及存储介质，以解决现有技术用户搜索结果不准确等缺陷。本申请第一个方面提供一种主页的识别处理方法，包括：获取用户搜索请求对应的待预测特征数据，所述待预测特征数据包括关键词特征和URL标识特征；基于所述待预测特征数据，采用预先训练好的Xgboost模型和SVM模型，确定所述用户搜索请求对应的目标URL；基于所述目标URL响应所述用户搜索请求。本申请第二个方面提供一种主页的识别处理装置，包括：获取...
【技术保护点】
1.一种主页的识别处理方法，其特征在于，包括：/n获取用户搜索请求对应的待预测特征数据，所述待预测特征数据包括关键词特征和URL标识特征；/n基于所述待预测特征数据，采用预先训练好的Xgboost模型和SVM模型，确定所述用户搜索请求对应的目标URL；/n基于所述目标URL响应所述用户搜索请求。/n
【技术特征摘要】
1.一种主页的识别处理方法，其特征在于，包括：
获取用户搜索请求对应的待预测特征数据，所述待预测特征数据包括关键词特征和URL标识特征；
基于所述待预测特征数据，采用预先训练好的Xgboost模型和SVM模型，确定所述用户搜索请求对应的目标URL；
基于所述目标URL响应所述用户搜索请求。
2.根据权利要求1所述的方法，其特征在于，所述获取用户搜索请求对应的待预测特征数据，包括：
获取用户搜索请求对应的搜索关键词，以及根据所述搜索关键词获取到的至少两个结果URL的标识和各标识对应的HTML文本；
根据所述搜索关键词及各标识对应的HTML文本，获取所述关键词特征，根据各标识获取URL标识特征。
3.根据权利要求2所述的方法，其特征在于，所述根据所述搜索关键词及各标识对应的HTML文本，获取所述关键词特征，包括：
获取所述搜索关键词包括的单词个数N；
针对每个所述结果URL，计算所述搜索关键词中每个单词在该结果URL中出现的次数n1及第一频率，每个单词在该结果URL对应的HTML文本中的title标签中出现的次数n2及第二频率，以及每个单词在该结果URL对应的HTML文本中的非title标签中出现的次数n3及第三频率，并计算每个单词的tfidf值；
所述关键词特征包括各结果URL对应的n1、n2、n3、所述第一频率、所述第二频率、所述第三频率及所述tfidf值。
4.根据权利要求1所述的方法，其特征在于，基于所述待预测特征数据，采用预先训练好的Xgboost模型和SVM模型，确定所述用户搜索请求对应的目标URL，包括：
将所述待预测特征数据分别输入到所述Xgboost模型和所述SVM模型进行预测；
若所述Xgboost模型和所述SVM模型预测的结果为同一个结果URL，则将该结果URL作为所述用户搜索请求对应的目标URL。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
获取训练特征数据，所述训练特征数据包括关键词训练特征、URL标识训练特征以及标注数据；
基于所述训练特征数据，对预先建立好的Xgboost网络及SVM网络进行训练，获得所述Xgboost模型和所述SVM模型。
6.一种主页的识别处理装置，其特征在于，包括：
获取模块，用于获取用户搜索请求对应的待预测特征数据，所述待预测特征数据包括关键词特征和URL标识特征；
确定模块，用于基于所述待预测特征数据，采用预先训练好的Xgboost模型和SV...
【专利技术属性】
技术研发人员：陈雪飞，谢海华，
申请(专利权)人：北大方正集团有限公司，北大方正信息产业集团有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。