一种判定锚文本噪声级别的方法及系统技术方案

本发明专利技术具体公开了一种判定锚文本噪声级别的方法及系统，所述方法包括：对网页信息中锚文本标注属性和属性值，部分锚文本标注噪声级别；依据属性个数建立Ｎ维坐标空间，Ｎ为不小于２的整数，将所述标注噪声级别的部分锚文本映射到所述至少Ｎ维坐标空间内；在所述至少Ｎ维坐标空间中，找到不同噪声级别锚文本之间的最大分类间隔；由所述最大分类间隔组成分类模型；将所述标注属性和属性值的锚文本输入到所述分类模型，获取所述锚文本的噪声级别。本发明专利技术还提供了一种判定锚文本噪声级别的系统。采用本发明专利技术所提供的方法和系统，能够高效准确地判定网络中锚文本的噪声级别。

【技术实现步骤摘要】

本专利技术涉及锚文本噪声识别领域，特别是涉及一种判定锚文本噪声级别的 方法及系统。
技术介绍
网络搜索引擎大致分三类1 )下载子系统从互联网下载网页，抽取出正 文、标题、超链接、锚文本等信息；2)索引与检索子系统对正文、标题、锚 文本等建立索引，为用户提供检索服务；3)相关性子系统对包括超链接、锚 文本等在内的各种相关性因子进行分析计算，为;f企索结果提供排序依据。可见， 锚文本作为搜索引擎中 一个重要的因子，直接影响最终搜索结果。一般意义上，锚文本是指网页间超链接上的文字，例如，当网页A中包 含有指向网页B的超链接(URL)时，认为A、 B之间存在链接关系，超链接 上的文字，称为锚文本。如新浪的首页(www.sina.com.cn)中含有一个超 《连接〈a hre^="http:〃www.sohu.com target="_blank"〉4叟狐首页〈/a〉，则新浪首页 和搜狐首页之间存在着链接关系，新浪首页是父页面，搜狐首页是子页面，"搜 狐首页"是所述超链接上的锚文本。在实际中经常出现不能正确描述目标网页的锚文本，即为噪声锚文本。噪 声锚文本的产生一般有两种类1)非主观原因(本文档来自技高网...

【技术保护点】
一种判定锚文本噪声级别的方法，其特征在于，所述方法包括：对网页信息中锚文本标注属性和属性值，部分锚文本标注噪声级别；依据属性个数建立Ｎ维坐标空间，Ｎ为不小于２的整数，将所述标注噪声级别的部分锚文本映射到所述至少Ｎ维坐标空间；在所述至少Ｎ维坐标空间中，找到不同噪声级别锚文本之间的最大分类间隔；由所述最大分类间隔组成分类模型；将所述标注属性和属性值的锚文本输入到所述分类模型，获取所述锚文本的噪声级别。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘云峰，禹荣凌，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：94[中国|深圳]