公开(公告)号：CN108256104A

公开(公告)日：2018-07-06

申请号：CN201810112942.7

申请日：2018-02-05

Applicant: 恒安嘉新(北京)科技股份公司

Inventor： 张振涛 ,  崔渊博 ,  李金宇 ,  李湃 ,  蔡琳 ,  杨满智 ,  刘长永 ,  金红

IPC: G06F17/30 ,  G06K9/62

Abstract: 本发明公开了一种基于多维特征的互联网网站综合分类方法，该方法包括：采集互联网网站域名信息，获得互联网网站的域名信息列表；基于每个域名信息，采用爬虫获取域名对应的互联网网站标题信息，获取互联网网站的标题信息列表；基于每个域名信息，采用爬虫获取域名对应的互联网网站首页信息，获取互联网网站的首页信息列表；基于每个域名信息，采用爬虫获取域名对应的互联网网站页面链接信息，获取互联网网站的链接信息列表；综合获取的上述各信息列表，通过信息关联和机器学习，判别网站所属行业属性并进行对应分类。本发明解决了现有技术中无法对网站进行精确归类的问题。

公开(公告)号：CN108256104B

公开(公告)日：2020-05-26

申请号：CN201810112942.7

申请日：2018-02-05

Applicant: 恒安嘉新(北京)科技股份公司

Inventor： 张振涛 ,  崔渊博 ,  李金宇 ,  李湃 ,  蔡琳 ,  杨满智 ,  刘长永 ,  金红

IPC: G06F16/958 ,  G06F16/951 ,  G06F16/953 ,  G06F16/9535 ,  G06K9/62

Abstract: 本发明公开了一种基于多维特征的互联网网站综合分类方法，该方法包括：采集互联网网站域名信息，得到互联网网站的域名特征；基于每个域名信息，采用爬虫获取域名对应的互联网网站标题信息，得到互联网网站的标题信息列表；基于每个域名信息，采用爬虫获取域名对应的互联网网站首页信息，得到互联网网站的首页特征；基于每个域名信息，采用爬虫获取域名对应的互联网网站页面链接信息，得到互联网网站的外部链接特征；综合获取的上述各特征，通过信息关联和机器学习，判别网站所属行业属性并进行对应分类。本发明解决了现有技术中无法对网站进行精确归类的问题。