一种网页分类方法和设备技术

本发明专利技术公开了一种网页分类方法和设备，该方法利用现有URL类别库中的记录，建立虚拟的层级URL，并对层级URL的类别进行预测。当需要对待分类网页进行分类时，根据待分类网页的URL查询URL类别库；如果未查询到匹配的URL，则根据该URL的上层URL查询URL类别库，并在查询到匹配的URL时，根据查询到的URL的预测类别确定待分类网页的类别。在本发明专利技术中，提高了网页分类的效率和成功率。

【技术实现步骤摘要】

本专利技术涉及互联网
，尤其涉及一种网页分类方法和设备。
技术介绍
随着移动互联网技术的高速发展，移动互联网用户的数量越来越多，因此，对移动互联网用户的行为分析也逐渐成为一个研究热点。现有技术中，通常根据移动互联网用户的访问日志对用户行为进行分析。具体的，移动互联网用户的访问日志存放在WAP (Wireless Application Protocol,无线应用通讯协议)网关中，该访问日志中记录了用户所访问的网页的URL (Universal ResourceLocator，统一资源定位符)，通过查询URL类别库可以获知用户所访问的网页类别，进而获知对应用户的行为偏好。其中，现有网页分类方法可以包括以下步骤I、爬虫爬取网页内容；2、对网页内容进行解析，获取相应文本；3、对文本进行分析、获取关键词；4、利用算法模型，例如朴素贝叶斯或者SVM等文本分类算法模型，进行分类；其中，算法模型通常提前根据训练集训练得到。通过上述方法可以对用户所访问的网页(或网页对应的URL)进行分类，进而可以建立URL类别库。其中，现有技术中的URL类别库可以如表I所示。表I_预测类别权利要求1.一种网本文档来自技高网...

【技术保护点】
一种网页分类方法，其特征在于，应用于基于统一资源定位符URL类别库实现的网页分类流程，所述URL类别库中记录有各层级URL及各URL的预测类别，其中，相邻层级的URL中的上层URL是在下层URL的基础上截取得到的，该方法包括：根据待分类网页的URL查询URL类别库；如果未查询到匹配的URL，则根据该URL的上层URL查询URL类别库，并在查询到匹配的URL时，根据查询到的URL的预测类别确定待分类网页的类别。

【技术特征摘要】

【专利技术属性】
技术研发人员：徐萌，何洪凌，胡珉，罗治国，孙少陵，陶涛，陈婷，张新访，李成华，
申请(专利权)人：中国移动通信集团公司，
类型：发明
国别省市：