公开(公告)号：CN112287274B

公开(公告)日：2022-10-18

申请号：CN202011162449.X

申请日：2020-10-27

Applicant: 中国科学院计算技术研究所

Inventor： 孟剑 ,  樊晓然 ,  郭岩 ,  贺广福 ,  陈银鹏 ,  史存会 ,  俞晓明 ,  刘悦 ,  程学旗

IPC: G06F16/958 ,  G06F16/35 ,  G06F16/957 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种网站列表页面的分类方法，方法包括：步骤100，获取一组网站页面集合，网站页面集合归属于同一网站；步骤200，分别针对每一网站页面提取网页数据特征；步骤300，通过网站页面的超链接列表以及网站网页的链接地址(URL)与节点编号之间的匹配关系形成的哈希表，创建网站的全局拓扑结构；步骤400，将网页数据特征以及网站的全局拓扑结构输入图卷积神经网络进行图卷积神经网络的训练，得到网站列表页面分类器；步骤500，获取待分类的网站网页，分别根据待分类的网站网页的网页数据特征和网站的全局拓扑结构，并将待分类的网站网页的网页数据特征和网站的全局拓扑结构输入网站列表页面分类器，判断该待分类的网站网页是否为网站列表页面。

公开(公告)号：CN112287274A

公开(公告)日：2021-01-29

申请号：CN202011162449.X

申请日：2020-10-27

Applicant: 中国科学院计算技术研究所

Inventor： 孟剑 ,  樊晓然 ,  郭岩 ,  贺广福 ,  陈银鹏 ,  史存会 ,  俞晓明 ,  刘悦 ,  程学旗

IPC: G06F16/958 ,  G06F16/35 ,  G06F16/957 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种网站列表页面的分类方法，方法包括：步骤100，获取一组网站页面集合，网站页面集合归属于同一网站；步骤200，分别针对每一网站页面提取网页数据特征；步骤300，通过网站页面的超链接列表以及网站网页的链接地址(URL)与节点编号之间的匹配关系形成的哈希表，创建网站的全局拓扑结构；步骤400，将网页数据特征以及网站的全局拓扑结构输入图卷积神经网络进行图卷积神经网络的训练，得到网站列表页面分类器；步骤500，获取待分类的网站网页，分别根据待分类的网站网页的网页数据特征和网站的全局拓扑结构，并将待分类的网站网页的网页数据特征和网站的全局拓扑结构输入网站列表页面分类器，判断该待分类的网站网页是否为网站列表页面。