网站分类方法、装置、电子设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113656738A(43)申请公布日2021.11.16(21)申请号202110983685.6(22)申请日2021.08.25(71)申请人成都知道创宇信息技术有限公司地址610000四川省成都市高新区中国(四川)自由贸易试验区天府三街219号2栋11楼(72)发明人杨武剑周长虹虞王可(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人杨奇松(51)Int.Cl.G06F16/958(2019.01)G06K9/62(2006.01)权利要求书2页说明书9页附图6页(54)发明名称网站分类方法、装置、电子设备及可读存储介质(57)摘要本申请的实施例提供了一种网站分类方法、装置、电子设备及可读存储介质，涉及计算机技术领域。该方法应用于电子设备，电子设备中存储有分类模型，分类模型根据已分类网站的样本描述信息及对应的样本分类结果得到，该方法包括：根据待分类网站的描述信息，获得待分类网站的第一特征信息集；根据目标转换矩阵对第一特征信息集进行降维处理，得到第二特征信息集，目标转换矩阵为在获得分类模型时对样本描述信息进行主成分分析时确定的矩阵，第二特征信息集的维度数量小于第一特征信息集的维度数量；基于分类模型，根据第二特征信息集获得待分类网站的分类结果。如此，可节省大量的人力，提高分类效率及分类结果的准确性。CN113656738ACN113656738A权利要求书1/2页1.一种网站分类方法，其特征在于，应用于电子设备，所述电子设备中存储有分类模型，所述分类模型根据已分类网站的样本描述信息及对应的样本分类结果得到，所述方法包括：根据待分类网站的描述信息，获得所述待分类网站的第一特征信息集；根据目标转换矩阵对所述第一特征信息集进行降维处理，得到第二特征信息集，其中，所述目标转换矩阵为在获得所述分类模型时对样本描述信息进行主成分分析时确定的矩阵，所述第二特征信息集的维度数量小于所述第一特征信息集的维度数量；基于所述分类模型，根据所述第二特征信息集获得所述待分类网站的分类结果。2.根据权利要求1所述的方法，其特征在于，所述描述信息包括标题及简介，所述第一特征信息集包括词向量，所述根据待分类网站的描述信息，获得所述待分类网站的第一特征信息集，包括：对所述标题及简介中的无效字符进行剔除，得到处理后的标题及处理后的简介；对处理后的标题及处理后的简介进行拼接，得到拼接结果，其中，在所述拼接结果中，处理后的标题与处理后的简介之间存在预设标点符号；获得所述拼接结果的词向量。3.根据权利要求2所述的方法，其特征在于，所述获得所述拼接结果的词向量，包括：针对所述拼接结果，采用词频‑逆向文件频率TF‑IDF算法，构造词向量。4.根据权利要求1‑3中任意一项所述的方法，其特征在于，所述分类模型通过如下方式得到：获得多个已分类网站各自的样本描述信息及样本分类结果，其中，所述样本分类结果为经过对所述多个已分类网站的初始分类结果进行同质化分类后确定的分类结果；根据所述样本描述信息及样本分类结果，训练得到所述分类模型。5.根据权利要求4所述的方法，其特征在于，所述根据所述样本描述信息及样本分类结果，训练得到所述分类模型，包括：根据每个已分类网站的样本描述信息，获得每个已分类网站的第一样本特征信息集；针对所获得的第一样本特征信息集，进行主成分分析，确定所述目标转换矩阵，并根据所述目标转换矩阵对每个已分类网站的第一样本特征信息集进行降维处理，得到每个已分类网站的第二样本特征信息集；根据每个已分类网站的第二样本特征信息集及样本分类结果，训练得到所述分类模型。6.根据权利要求4所述的方法，其特征在于，所述训练得到所述分类模型，包括：对基于xgboost算法的初始模型进行训练，获得所述分类模型。7.一种网站分类装置，其特征在于，应用于电子设备，所述电子设备中存储有分类模型，所述分类模型根据已分类网站的样本描述信息及对应的样本分类结果得到，所述装置包括：信息获取模块，用于根据待分类网站的描述信息，获得所述待分类网站的第一特征信息集；处理模块，用于根据目标转换矩阵对所述第一特征信息集进行降维处理，得到第二特征信息集，其中，所述目标转换矩阵为在获得所述分类模型时对样本描述信息进行主成分2CN113656738A权利要求书2/2页分析时确定的矩阵，所述第二特征信息集的维度数量小于所述第一特征信息集的维度数量；分类模块，用于基于所述分类模型，根据所述第二特征信息集获得所述待分类网站的分类结果。8.根据权利要求7所述的装置，其特征在于，所述分类模型通过如下方式得到：获得多个已分类网站各自的样本描述信息及样本分类结果，其中，所述样本分类结果为经过对所述多个已分类网站的初始分类结果进行