CN114492370B - 网页识别方法、装置、电子设备和介质 - Google Patents
网页识别方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN114492370B CN114492370B CN202210113248.3A CN202210113248A CN114492370B CN 114492370 B CN114492370 B CN 114492370B CN 202210113248 A CN202210113248 A CN 202210113248A CN 114492370 B CN114492370 B CN 114492370B
- Authority
- CN
- China
- Prior art keywords
- webpage
- historical
- web page
- target
- history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/14—Tree-structured documents
- G06F40/143—Markup, e.g. Standard Generalized Markup Language [SGML] or Document Type Definition [DTD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/221—Parsing markup language streams
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种网页识别方法、装置、设备、介质和产品,涉及人工智能技术领域,具体为深度学习、知识图谱等技术领域。网页识别方法包括:获取目标网页的结构数据、目标网页和历史网页之间的第一关联关系以及针对历史网页的历史图谱数据;基于目标网页的结构数据、第一关联关系以及历史图谱数据,确定针对目标网页和历史网页的目标图谱数据;基于目标图谱数据,确定目标网页和历史网页之间的相似度;基于相似度和历史网页的类别,确定目标网页的类别。
Description
技术领域
本公开涉及人工智能技术领域,具体为深度学习、知识图谱等技术领域,更具体地,涉及一种网页识别方法、装置、电子设备、介质和程序产品。
背景技术
在互联网领域中,每天产生大量的网页供用户搜索,有些网页创作者为了快速建立网站吸引流量,通过各种作弊手段来生成网页,例如抄袭他人的网页,这种抄袭方式既不尊重网页创作者,也不遵守用户,给行业带来了不良影响。
发明内容
本公开提供了一种网页识别方法、装置、电子设备、存储介质以及程序产品。
根据本公开的一方面,提供了一种网页识别方法,包括获取目标网页的结构数据、所述目标网页和历史网页之间的第一关联关系以及针对所述历史网页的历史图谱数据;基于所述目标网页的结构数据、所述第一关联关系以及所述历史图谱数据,确定针对所述目标网页和所述历史网页的目标图谱数据;基于所述目标图谱数据,确定所述目标网页和所述历史网页之间的相似度;基于所述相似度和所述历史网页的类别,确定所述目标网页的类别。
根据本公开的另一方面,提供了一种网页识别装置,包括:获取模块、第一确定模块、第二确定模块以及第三确定模块。获取模块,用于获取目标网页的结构数据、所述目标网页和历史网页之间的第一关联关系以及针对所述历史网页的历史图谱数据;第一确定模块,用于基于所述目标网页的结构数据、所述第一关联关系以及所述历史图谱数据,确定针对所述目标网页和所述历史网页的目标图谱数据;第二确定模块,用于基于所述目标图谱数据,确定所述目标网页和所述历史网页之间的相似度;第三确定模块,用于基于所述相似度和所述历史网页的类别,确定所述目标网页的类别。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器和与所述至少一个处理器通信连接的存储器。其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的网页识别方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行上述的网页识别方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述网页识别方法的步骤。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示意性示出了根据本公开一实施例的网页识别的应用场景;
图2示意性示出了根据本公开一实施例的网页识别方法的流程图;
图3示意性示出了根据本公开一实施例的图形神经网络的训练示意图;
图4示意性示出了根据本公开一实施例的网页识别的示意图;
图5示意性示出了根据本公开一实施例的网页识别装置的框图;以及
图6是用来实现本公开实施例的用于执行网页识别的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
图1示意性示出了根据本公开一实施例的网页识别的应用场景。需要注意的是,图1所示仅为可以应用本公开实施例的应用场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,本公开实施例的应用场景100例如包括图形神经网络110。图形神经网络(Graph Neural Network,GNN)可以基于图谱数据进行训练。图形神经网络例如包括图卷积神经网络(Graph Convolutional Network,GCN)。
历史网页包括标签,标签表征了历史网页的类别,类别例如为抄袭类别或非抄袭类别,抄袭类别表征了历史网页与其他网页相似,即历史网页是抄袭的。将多个历史网页输入图形神经网络110中,图形神经网络110基于历史网页构建历史图谱数据,历史图谱数据是一种知识图谱。图形神经网络110基于历史图谱数据学习得到历史网页的类别,基于学习到的类别和历史网页的标签确定损失值,基于损失值调整图形神经网络110的模型参数,从而训练得到图形神经网络110。
在训练得到图形神经网络110之后,可以利用图形神经网络110识别目标网页的类别,目标网页例如没有标签。例如,将目标网页输入图形神经网络110中,图形神经网络基于目标网页和历史图谱数据构建目标图谱数据,并对目标图谱数据进行学习,得到目标网页的类别。目标网页的类别包括抄袭类别或非抄袭类别。
以下参考图1的应用场景,结合图2~图4来描述本公开实施例的网页识别方法。
图2示意性示出了根据本公开一实施例的网页识别方法的流程图。
如图2所示,本公开实施例的网页识别方法200例如可以包括操作S210~操作S240。
在操作S210,获取目标网页的结构数据、目标网页和历史网页之间的第一关联关系以及针对历史网页的历史图谱数据。
在操作S220,基于目标网页的结构数据、第一关联关系以及历史图谱数据,确定针对目标网页和历史网页的目标图谱数据。
在操作S230,基于目标图谱数据,确定目标网页和历史网页之间的相似度。
在操作S240,基于相似度和历史网页的类别,确定目标网页的类别。
示例性地,网页的结构数据例如包括网页的标题、主体、样式等等,用于表征网页的组成框架。目标网页和历史网页之间的第一关联关系例如表征了从目标网页是否能够跳转到历史网页,或者从历史网页是否能调整到目标网页。
历史图谱数据是基于多个历史网页的结构数据和多个历史网页之间的第二关联关系得到的。第二关联关系和第一关联关系类似。
示例性地,可以基于目标网页的结构数据、第一关联关系以及历史图谱数据构建目标图谱数据,目标图谱数据例如指示了目标网页的结构数据、历史网页的结构数据、目标网页和历史网页之间的关联。
接下来,从目标图谱数据中确定目标网页和历史网页之间的相似度。由于历史网页具有表征历史网页的类别的标签,因此基于相似度和历史网页的类别(标签)即可得知目标网页的类别。例如,当某一历史网页的类别为抄袭类别,并且目标网页与该历史网页的之间的相似度较高时,识别得到目标网页的类别在大概率上也为抄袭类别。
根据本公开的实施例,基于网页的结构数据和网页之间的关联关系来构建图谱数据,并基于图谱数据来确定网页之间的相似度,基于相似度和已有标签的网页的类别来确定未知标签的网页的类别,提高了网页类别的识别准确性。
图3示意性示出了根据本公开一实施例的图形神经网络的训练示意图。
如图3所示,将多个历史网页的相关数据310输入图形神经网络320中进行模型训练。相关数据310例如包括每个历史网页的结构数据和多个历史网页彼此之间的第二关联关系。相关数据310中的箭头表示两个历史网页之间具有第二关联关系。
示例性地,网页例如以网页链接来表示,多个历史网页的网页链接分别为u1、u2、u3、u4、u5。每个历史网页具有标签,标签表征了历史网页的类别为抄袭类别或非抄袭类别。
关于多个历史网页彼此之间的第二关联关系,该第二关联关系例如表征了各个历史网页之间的跳转关系。例如,以多个历史网页包括第一历史网页和第二历史网页为例,第二关联关系表征了在第二预设时间段内由第一历史网页跳转至第二历史网页,或者表征了在第二预设时间段内由第二历史网页跳转至第一历史网页。
例如,第一历史网页为u1,第二历史网页为u3,在第二预设时间段内由u1跳转至u3,或者由u3跳转至u2。由u1跳转至u3例如表征了第一历史网页u1对应的页面中包含第二历史网页u3的链接信息,由链接信息可以跳转到第二历史网页u3。第二预设时间段例如为最近的一段时间。
或者,针对第一历史网页为u1,当可以从多个历史网页跳转至u1时,可以将最近跳转的预设数量个历史网页确定为与u1具有第二关联关系的第二历史网页。
将相关数据310输入至图形神经网络320之后,图形神经网络320基于历史网页的结构数据和第二关联关系,构建历史图谱数据。历史图谱数据例如具有节点元素和边元素,每个节点元素对应一个历史网页,历史网页的结构数据关联于节点元素。边元素对应两个历史网页之间的第二关联关系。例如,以历史网页u1和u3为例,u1和u3分别对应一个节点元素,u1的节点元素和u3的节点元素之间的边元素表征了u1和u3之间具有第二关联关系。
在得到历史图谱数据之后,图形神经网络基于历史图谱数据进行识别,得到针对历史网页的类别,图形神经网络在对历史图谱数据进行识别时,会基于第二关联关系充分学习各个历史网页的结构数据之间的内在信息。由于每个历史网页包括表征类别的标签,因此,图形神经网络可以基于识别得到的历史网页的类别和参考类别(标签)确定损失值,并基于损失值反向更新图形神经网络的网络参数,从而得到经训练的图形神经网络。
根据本公开的实施例,针对具有标签的历史网页,通过提取历史网页的结构数据和历史网页之间的第二关联关系,并基于结构数据和第二关联关系训练图形神经网络,提高了图形神经网络的对网页的识别准确性。
图4示意性示出了根据本公开一实施例的网页识别的示意图。
如图4所示,在基于历史网页训练得到图形神经网络之后,将目标网页的相关数据410输入经训练的图形神经网络420中。目标网页的相关数据410例如包括每个目标网页的结构数据以及目标网页和历史网页之间的第一关联关系。
例如,第一关联关系表征了在第一预设时间段内由历史网页跳转至目标网页,或者表征了在第一预设时间段内由目标网页跳转至历史网页。
例如,目标网页为u6,历史网页为u1,在第一预设时间段内由u1跳转至u6,或者由u6跳转至u1。由u1跳转至u6例如表征了历史网页u1对应的页面中包含目标网页u6的链接信息,由链接信息可以跳转到目标网页u6。第一预设时间段例如为最近的一段时间。
或者,针对目标网页u6,当可以从多个历史网页跳转至u6时,可以将最近跳转的预设数量个历史网页确定为与u6具有第一关联关系的历史网页。
将相关数据410输入至图形神经网络420之后,图形神经网络420基于目标网页的结构数据、第一关联关系和上文得到的历史图谱数据,构建得到目标图谱数据。例如,基于第一关联关系,将目标网页的结构数据关联至历史图谱数据中,得到目标图谱数据,构建得到的目标图谱数据表征了u1、u2、u3、u4、u5、u6、u7之间的关联。
目标图谱数据例如具有节点元素和边元素,每个节点元素对应一个历史网页或目标网页,历史网页或目标网页的结构数据关联于节点元素。边元素对应两个网页之间的关联关系。例如,以历史网页u1和目标网页u6为例,u1和u6分别对应一个节点元素,u1的节点元素和u6的节点元素之间的边元素表征了u1和u6之间的第一关联关系。
在得到目标图谱数据之后,图形神经网络对目标图谱数据进行识别,得到针对目标网页的类别,图形神经网络在对目标图谱数据进行识别时,会基于关联关系充分学习各个网页的结构数据之间的内在信息,从而通过处理目标图谱数据得到目标网页和历史网页之间的相似度。然后,图形神经网络基于相似度和历史网页的类别,确定目标网页的类别430。例如,针对与目标网页相似的历史网页,如果该历史网页的标签表征该历史网页为抄袭网页,则确定目标网页的类别430在大概率上为抄袭类别。
根据本公开的实施例,在训练得到图形神经网络之后,将不带标签的目标网页添加至历史图谱数据中得到目标图谱数据,然后基于目标图谱数据学习得到目标网页与历史网页的相似度,并基于相似度和历史网页的类别来确定目标网页的类别,提高了模型识别的准确性。
图5示意性示出了根据本公开一实施例的网页识别装置的框图。
如图5所示,本公开实施例的网页识别装置500例如包括获取模块510、第一确定模块520、第二确定模块530以及第三确定模块540。
获取模块510可以用于获取目标网页的结构数据、目标网页和历史网页之间的第一关联关系以及针对历史网页的历史图谱数据。根据本公开实施例,获取模块510例如可以执行上文参考图2描述的操作S210,在此不再赘述。
第一确定模块520可以用于基于目标网页的结构数据、第一关联关系以及历史图谱数据,确定针对目标网页和历史网页的目标图谱数据。根据本公开实施例,第一确定模块520例如可以执行上文参考图2描述的操作S220,在此不再赘述。
第二确定模块530可以用于基于目标图谱数据,确定目标网页和历史网页之间的相似度。根据本公开实施例,第二确定模块530例如可以执行上文参考图2描述的操作S230,在此不再赘述。
第三确定模块540可以用于基于相似度和历史网页的类别,确定目标网页的类别。根据本公开实施例,第三确定模块540例如可以执行上文参考图2描述的操作S240,在此不再赘述。
根据本公开实施例,第一确定模块520还用于:基于第一关联关系,将目标网页的结构数据关联至历史图谱数据中,得到目标图谱数据。
根据本公开实施例,第一关联关系表征了在第一预设时间段内由历史网页跳转至目标网页,或者表征了在第一预设时间段内由目标网页跳转至历史网页。
根据本公开实施例,第二确定模块530还用于:利用图形神经网络处理目标图谱数据,得到目标网页和历史网页之间的相似度;第三确定模块540还用于:利用图形神经网络基于相似度和历史网页的类别,确定目标网页的类别。
根据本公开实施例,图形神经网络是通过以下方式得到的:利用图形神经网络基于历史图谱数据,得到针对历史网页的类别;基于历史网页的类别和参考类别,更新图形神经网络的网络参数。
根据本公开实施例,历史网页包括多个历史网页;历史图谱数据是通过以下方式得到的:获取多个历史网页的结构数据和多个历史网页彼此之间的第二关联关系;基于历史网页的结构数据和第二关联关系,确定历史图谱数据。
根据本公开实施例,多个历史网页包括第一历史网页和第二历史网页;第二关联关系表征了在第二预设时间段内由第一历史网页跳转至第二历史网页,或者表征了在第二预设时间段内由第二历史网页跳转至第一历史网页。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6是用来实现本公开实施例的用于执行网页识别的电子设备的框图。
图6示出了可以用来实施本公开实施例的示例电子设备600的示意性框图。电子设备600旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如网页识别方法。例如,在一些实施例中,网页识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的网页识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行网页识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程网页识别装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (12)
1.一种网页识别方法,包括:
获取目标网页的结构数据、所述目标网页和历史网页之间的第一关联关系以及针对所述历史网页的历史图谱数据,其中,所述第一关联关系表征了在第一预设时间段内由所述历史网页跳转至所述目标网页,或者表征了在所述第一预设时间段内由所述目标网页跳转至所述历史网页;
基于所述第一关联关系,将所述目标网页的结构数据关联至所述历史图谱数据中,得到针对所述目标网页和所述历史网页的目标图谱数据;
基于所述目标图谱数据,确定所述目标网页和所述历史网页之间的相似度;以及
基于所述相似度和所述历史网页的类别,确定所述目标网页的类别。
2.根据权利要求1所述的方法,其中:
所述基于所述目标图谱数据,确定所述目标网页和所述历史网页之间的相似度包括:利用图形神经网络处理所述目标图谱数据,得到所述目标网页和所述历史网页之间的相似度;
所述基于所述相似度和所述历史网页的类别,确定所述目标网页的类别包括:利用所述图形神经网络基于所述相似度和所述历史网页的类别,确定所述目标网页的类别。
3. 根据权利要求2所述的方法,其中,所述图形神经网络是通过以下方式得到的:
利用所述图形神经网络基于所述历史图谱数据,得到针对所述历史网页的类别;以及
基于所述历史网页的类别和参考类别,更新所述图形神经网络的网络参数。
4. 根据权利要求3所述的方法,其中,所述历史网页包括多个历史网页;所述历史图谱数据是通过以下方式得到的:
获取所述多个历史网页的结构数据和所述多个历史网页彼此之间的第二关联关系;以及
基于所述历史网页的结构数据和所述第二关联关系,确定所述历史图谱数据。
5.根据权利要求4所述的方法,其中,所述多个历史网页包括第一历史网页和第二历史网页;所述第二关联关系表征了在第二预设时间段内由所述第一历史网页跳转至所述第二历史网页,或者表征了在所述第二预设时间段内由所述第二历史网页跳转至所述第一历史网页。
6.一种网页识别装置,包括:
获取模块,用于获取目标网页的结构数据、所述目标网页和历史网页之间的第一关联关系以及针对所述历史网页的历史图谱数据,其中,所述第一关联关系表征了在第一预设时间段内由所述历史网页跳转至所述目标网页,或者表征了在所述第一预设时间段内由所述目标网页跳转至所述历史网页;
第一确定模块,用于基于所述第一关联关系,将所述目标网页的结构数据关联至所述历史图谱数据中,得到针对所述目标网页和所述历史网页的目标图谱数据;
第二确定模块,用于基于所述目标图谱数据,确定所述目标网页和所述历史网页之间的相似度;以及
第三确定模块,用于基于所述相似度和所述历史网页的类别,确定所述目标网页的类别。
7.根据权利要求6所述的装置,其中:
所述第二确定模块还用于:利用图形神经网络处理所述目标图谱数据,得到所述目标网页和所述历史网页之间的相似度;
所述第三确定模块还用于:利用所述图形神经网络基于所述相似度和所述历史网页的类别,确定所述目标网页的类别。
8. 根据权利要求7所述的装置,其中,所述图形神经网络是通过以下方式得到的:
利用所述图形神经网络基于所述历史图谱数据,得到针对所述历史网页的类别;以及
基于所述历史网页的类别和参考类别,更新所述图形神经网络的网络参数。
9. 根据权利要求8所述的装置,其中,所述历史网页包括多个历史网页;所述历史图谱数据是通过以下方式得到的:
获取所述多个历史网页的结构数据和所述多个历史网页彼此之间的第二关联关系;以及
基于所述历史网页的结构数据和所述第二关联关系,确定所述历史图谱数据。
10.根据权利要求9所述的装置,其中,所述多个历史网页包括第一历史网页和第二历史网页;所述第二关联关系表征了在第二预设时间段内由所述第一历史网页跳转至所述第二历史网页,或者表征了在所述第二预设时间段内由所述第二历史网页跳转至所述第一历史网页。
11. 一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210113248.3A CN114492370B (zh) | 2022-01-29 | 2022-01-29 | 网页识别方法、装置、电子设备和介质 |
JP2023518230A JP2024507029A (ja) | 2022-01-29 | 2022-08-02 | ウェブページ識別方法、装置、電子機器、媒体およびコンピュータプログラム |
PCT/CN2022/109630 WO2023142417A1 (zh) | 2022-01-29 | 2022-08-02 | 网页识别方法、装置、电子设备和介质 |
EP22868408.0A EP4246365A1 (en) | 2022-01-29 | 2022-08-02 | Webpage identification method and apparatus, electronic device, and medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210113248.3A CN114492370B (zh) | 2022-01-29 | 2022-01-29 | 网页识别方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114492370A CN114492370A (zh) | 2022-05-13 |
CN114492370B true CN114492370B (zh) | 2023-09-01 |
Family
ID=81478128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210113248.3A Active CN114492370B (zh) | 2022-01-29 | 2022-01-29 | 网页识别方法、装置、电子设备和介质 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4246365A1 (zh) |
JP (1) | JP2024507029A (zh) |
CN (1) | CN114492370B (zh) |
WO (1) | WO2023142417A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114492370B (zh) * | 2022-01-29 | 2023-09-01 | 北京百度网讯科技有限公司 | 网页识别方法、装置、电子设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188168A (zh) * | 2019-05-24 | 2019-08-30 | 北京邮电大学 | 语义关系识别方法和装置 |
CN110765235A (zh) * | 2019-09-09 | 2020-02-07 | 深圳市人马互动科技有限公司 | 训练数据的生成方法、装置、终端及可读介质 |
CN112131506A (zh) * | 2020-09-24 | 2020-12-25 | 厦门市美亚柏科信息股份有限公司 | 一种网页分类方法、终端设备及存储介质 |
CN112329964A (zh) * | 2020-11-24 | 2021-02-05 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备以及存储介质 |
CN113569059A (zh) * | 2021-09-07 | 2021-10-29 | 浙江网商银行股份有限公司 | 目标用户识别方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108874802A (zh) * | 2017-05-09 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 网页检测方法和装置 |
US11443005B2 (en) * | 2019-05-31 | 2022-09-13 | Microsoft Technology Licensing, Llc | Unsupervised clustering of browser history using web navigational activities |
US11640540B2 (en) * | 2020-03-10 | 2023-05-02 | International Business Machines Corporation | Interpretable knowledge contextualization by re-weighting knowledge graphs |
CN111538869B (zh) * | 2020-04-29 | 2023-05-26 | 支付宝(杭州)信息技术有限公司 | 一种交易异常群组的检测方法、装置及设备 |
CN113609493A (zh) * | 2021-08-05 | 2021-11-05 | 工银科技有限公司 | 钓鱼网站的识别方法、装置、设备及介质 |
CN114492370B (zh) * | 2022-01-29 | 2023-09-01 | 北京百度网讯科技有限公司 | 网页识别方法、装置、电子设备和介质 |
-
2022
- 2022-01-29 CN CN202210113248.3A patent/CN114492370B/zh active Active
- 2022-08-02 EP EP22868408.0A patent/EP4246365A1/en active Pending
- 2022-08-02 WO PCT/CN2022/109630 patent/WO2023142417A1/zh active Application Filing
- 2022-08-02 JP JP2023518230A patent/JP2024507029A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188168A (zh) * | 2019-05-24 | 2019-08-30 | 北京邮电大学 | 语义关系识别方法和装置 |
CN110765235A (zh) * | 2019-09-09 | 2020-02-07 | 深圳市人马互动科技有限公司 | 训练数据的生成方法、装置、终端及可读介质 |
CN112131506A (zh) * | 2020-09-24 | 2020-12-25 | 厦门市美亚柏科信息股份有限公司 | 一种网页分类方法、终端设备及存储介质 |
CN112329964A (zh) * | 2020-11-24 | 2021-02-05 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备以及存储介质 |
CN113569059A (zh) * | 2021-09-07 | 2021-10-29 | 浙江网商银行股份有限公司 | 目标用户识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
A Web Services Classification Method based on GCN;Hongfan Ye等;《2019 IEEE Intl Conf on Parallel & Distributed Processing with Applications, Big Data & Cloud Computing, Sustainable Computing & Communications, Social Computing & Networking (ISPA/BDCloud/SocialCom/SustainCom)》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114492370A (zh) | 2022-05-13 |
JP2024507029A (ja) | 2024-02-16 |
EP4246365A1 (en) | 2023-09-20 |
WO2023142417A1 (zh) | 2023-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210342549A1 (en) | Method for training semantic analysis model, electronic device and storage medium | |
US20170103337A1 (en) | System and method to discover meaningful paths from linked open data | |
CN113342345A (zh) | 深度学习框架的算子融合方法、装置 | |
CN114416953A (zh) | 问答处理方法、问答模型的训练方法和装置 | |
CN113590776A (zh) | 基于知识图谱的文本处理方法、装置、电子设备及介质 | |
CN114881129A (zh) | 一种模型训练方法、装置、电子设备及存储介质 | |
CN114492370B (zh) | 网页识别方法、装置、电子设备和介质 | |
CN113408273B (zh) | 文本实体识别模型的训练与文本实体识别方法、装置 | |
CN114861059A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN117349424A (zh) | 应用于语言模型的提示模板的处理方法、装置及电子设备 | |
CN112528146A (zh) | 内容资源推荐方法、装置、电子设备及存储介质 | |
CN114897183B (zh) | 问题数据处理方法、深度学习模型的训练方法和装置 | |
CN114141236B (zh) | 语言模型更新方法、装置、电子设备及存储介质 | |
CN113239273B (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN113254932B (zh) | 应用程序的风险检测方法、装置、电子设备和介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN113408280A (zh) | 负例构造方法、装置、设备和存储介质 | |
CN116127948B (zh) | 待标注文本数据的推荐方法、装置及电子设备 | |
CN115129816B (zh) | 问答匹配模型的训练方法、装置及电子设备 | |
CN112989797B (zh) | 模型训练、文本扩展方法,装置,设备以及存储介质 | |
CN113705206B (zh) | 情感预测模型的训练方法、装置、设备及存储介质 | |
US20230140148A1 (en) | Methods for community search, electronic device and storage medium | |
CN117556134A (zh) | 内容推荐方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |