CN115130041A - 网页质量评估方法、神经网络的训练方法、装置和设备 - Google Patents

Abstract

本公开提供了一种网页质量评估方法、神经网络的训练方法、装置和设备，涉及人工智能技术领域，具体涉及深度学习技术、自然语言处理技术、计算机网络技术。神经网络包括第一子网络和评估子网络，该方法包括：在目标网页的网页源码中提取第一文本，第一文本包括至少一个超文本标记语言标签；利用第一子网络对第一文本进行处理，以得到目标网页的第一特征；以及利用评估子网络对第一特征进行处理，以得到对目标网页的评估结果。

Description

网页质量评估方法、神经网络的训练方法、装置和设备

技术领域

本公开涉及人工智能技术领域，具体涉及深度学习技术、自然语言处理 技术、计算机网络技术，特别涉及一种基于神经网络的网页质量评估方法、 神经网络的训练方法、基于神经网络的网页质量评估装置、神经网络训练装 置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

随着互联网的发展，当前全球互联网的网页数量已突破万亿，搜索引擎 作为互联网入口理论上需要对全网内容进行收录。但由于互联网上充斥着各 种低质(过期内容、有问无答等)、作弊(恶劣采集、违法信息等)、死链 (内容死链、协议死链)等网页，导致全网资源中优质的对用户有价值的网 页资源只占一部分。如果搜索引擎全部收录互联网上近万亿级网页资源，对 搜索引擎存储和计算资源会造成极大浪费，同时由于各种低价值网页充斥其 中，也会对用户体验造成恶劣影响。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另 有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被 认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认 为在任何现有技术中已被公认。

发明内容

本公开提供了一种基于神经网络的网页质量评估方法、神经网络的训练 方法、基于神经网络的网页质量评估装置、神经网络训练装置、电子设备、 计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种基于神经网络的网页质量评估方法。 神经网络包括第一子网络和评估子网络，该方法包括：在目标网页的网页源 码中提取第一文本，第一文本包括至少一个超文本标记语言标签；利用第一 子网络对第一文本进行处理，以得到目标网页的第一特征；以及利用评估子 网络对第一特征进行处理，以得到对目标网页的评估结果。

根据本公开的另一方面，提供了一种神经网络的训练方法。神经网络包 括第一子网络和评估子网络，该方法包括：获取样本网页和样本网页的真实 评估结果；在样本网页的网页源码中提取第一样本文本，第一样本文本包括 至少一个超样本文本标记语言标签；利用第一子网络对第一样本文本进行处 理，以得到样本网页的第一样本特征；利用评估子网络对第一样本特征进行 处理，以得到对样本网页的预测评估结果；以及基于真实质量评估结果和预 测质量评估结果，调整神经网络的参数，以得到训练后的神经网络。

根据本公开的一方面，提供了一种基于神经网络的网页质量评估装置。 神经网络包括第一子网络和评估子网络，该装置包括：第一提取单元，被配 置为在目标网页的网页源码中提取第一文本，第一文本包括至少一个超文本 标记语言标签；第一处理单元，被配置为利用第一子网络对第一文本进行处 理，以得到目标网页的第一特征；以及第二处理单元，被配置为利用评估子 网络对第一特征进行处理，以得到对目标网页的评估结果。

根据本公开的一方面，提供了一种神经网络的训练装置。神经网络包括 第一子网络和评估子网络，该装置包括：获取单元，被配置为获取样本网页 和样本网页的真实评估结果；第二提取单元，被配置为在样本网页的网页源 码中提取第一样本文本，第一样本文本包括至少一个超样本文本标记语言标 签；第三处理单元，被配置为利用第一子网络对第一样本文本进行处理，以 得到样本网页的第一样本特征；第四处理单元，被配置为利用评估子网络对 第一样本特征进行处理，以得到对样本网页的预测评估结果；以及调参单元，被配置为基于真实质量评估结果和预测质量评估结果，调整神经网络的参数， 以得到训练后的神经网络。

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； 以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个 处理器执行的指令，这些指令被至少一个处理器执行，以使至少一个处理器 能够执行上述方法。

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，其中，计算机指令用于使计算机执行上述方法。

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， 其中，计算机程序在被处理器执行时实现上述方法。

根据本公开的一个或多个实施例，通过使用从目标网页的网页源码中提 取的包括超文本标记语言(Hyper Text Markup Language，HTML)标签的文 本提取相应的特征，并基于该特征得到对目标网页的评估结果，实现了仅基 于关于目标网页本身的信息对网页的质量进行评估，免去了对后验信号的使 用。此外，HTML标签中包括很多与网页的结构、框架、版式等相关的信息， 而这些信息可以帮助提升网页质量评估结果的准确率。

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

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字 描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的 目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似 但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法 的示例性系统的示意图；

图2示出了根据本公开示例性实施例的网页质量评估方法的流程图；

图3示出了根据本公开示例性实施例的网页质量评估方法的流程图；

图4示出了根据本公开示例性实施例的神经网络的训练方法的流程图；

图5示出了根据本公开示例性实施例的网页质量评估装置的结构框图；

图6示出了根据本公开示例性实施例的神经网络的训练装置的结构框图； 以及

图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

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。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。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描 述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种 术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第 二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述， 它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定 示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特 意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所 使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方 式。

相关技术中，现有的网页质量评估方法通常都是基于后验信号进行判断， 也即，根据用户的反馈信息进行判断。然而，富集网页的用户信号的成本较 高，并且用户行为可以通过作弊手段造价，从而影响对网页质量的评估结果。

为解决上述问题，本公开通过使用从目标网页的网页源码中提取的包括 超文本标记语言(Hyper Text Markup Language，HTML)标签的文本提取相 应的特征，并基于该特征得到对目标网页的评估结果，实现了仅基于关于目 标网页本身的信息对网页的质量进行评估，免去了对后验信号的使用。此外， HTML标签中包括很多与网页的结构、框架、版式等相关的信息，而这些信 息可以帮助提升网页质量评估结果的准确率。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其 中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个 客户端设备101、102、103、104、105和106、服务器120以及将一个或多 个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、 102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行根据本公开的 实施例的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环 境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的 服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、 102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功 能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件 组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或 106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交 互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的， 其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系 统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来访问搜 索引擎并使用搜索服务。客户端设备可以提供使客户端设备的用户能够与客 户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。 尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公 开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计 算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计 算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服 务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设 备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统， 例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类 Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统， 例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便 携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA) 等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏 系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备 能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信 应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且 可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多 种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数 据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以 太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络 (VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网 络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如 PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、 大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以 包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架 构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个 或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的 功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业 上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各 种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服 务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析 和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈 送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户 端设备101、102、103、104、105和106的一个或多个显示设备来显示数据 馈送和/或实时事件。

在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技 术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项 主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数 据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用 于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。 例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服 务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130 可以是不同的类型。在某些实施例中，由服务器120使用的数据库可以是例 如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和 检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来 存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例 如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公 开所描述的各种方法和装置。

根据本公开的一方面，提供了一种基于神经网络的网页质量评估方法。 神经网络可以包括第一子网络和评估子网络。如图2所示，网页质量评估方 法包括：步骤S201、在目标网页的网页源码中提取第一文本，第一文本包括 至少一个超文本标记语言标签；步骤S202、利用第一子网络对第一文本进行 处理，以得到目标网页的第一特征；以及步骤S203、利用评估子网络对第一 特征进行处理，以得到对目标网页的评估结果。

由此，通过使用从目标网页的网页源码中提取的包括超文本标记语言 (HyperText Markup Language，HTML)标签的文本提取相应的特征，并基 于该特征得到对目标网页的评估结果，实现了仅基于关于目标网页本身的信 息对网页的质量进行评估，免去了对后验信号的使用。此外，HTML标签中 包括很多与网页的结构、框架、版式等相关的信息，而这些信息可以帮助提 升网页质量评估结果的准确率。

搜索引擎在工作时会定期(如每天)抓取网页。对于抓取到的大量网页， 搜索引擎可以通过对网页的HTML源码进行分析、对网页的统一资源定位 符(Uniform ResourceLocator，URL)进行分析和/或模拟浏览器对网页进行 渲染来获取大量的网页特征，进而可以利用这些特征判断网页的质量，并判 断是否要将这些网页收录到网页库中。

在一些实施例中，在步骤S201，可以将目标网页的网页源码中提取包括 有HTML标记的第一文本。除了网页上实际显示的文本以外，网页源码中还 包括有与网页的结构、框架、版式等内容相关的信息，而这些信息是通过源 码中的js、CSS等HTML标签来呈现的。此外，在网页源码中，还包括有各 个外链的URL，而这些内容和信息能够帮助对网页质量进行评估。因此，通 过使用包括HTML标记的第一文本提取目标网页的第一特征，能够提升网 页质量评估的准确率，进而提升搜索引擎的用户体验。

在一些实施例中，可以直接将网页源码本身作为第一文本，从而使得第 一特征能够尽可能多地向神经网络提供与目标页面相关的信息，从而最大程 度地提升网页质量评估的准确率。

在一些实施例中，在得到第一文本后，可以将其进行分词，进而基于分 词结果得到第一特征。可以理解的是，第一特征可以是表征第一文本的文本 信息的文本特征，也可以是表征对第一文本/目标页面的质量评估的特征，在 此不作限定。相应地，第一子网络可以是微调后的基于预训练的长文本深度 语义模型(例如，BERT、ERNIE等)，从而能够实现对分词结果进行处理 以得到融合有第一文本的全部文本信息的文本特征，也可以同时包括提取文 本特征的大模型和基于文本特征进行质量评估的文本质量评估模型，在此不 作限定。除上述网络以外，本领域技术可以根据需求选择其他现有的神经网 络模型或自行搭建神经网络模型，以实现上述功能。

根据一些实施例，神经网络可以包括第二子网络。如图3所示，网页质 量评估方法还可以包括：步骤S303、确定与目标网页对应的第二文本，第二 文本包括目标网页中的至少一个锚链接和目标网页的标题中的至少一个；以 及步骤S304、利用第二子网络对第二文本进行处理，以得到目标网页的第二 特征。图3中的步骤S301、步骤S302、步骤S310的操作和图2中的步骤 S201-步骤S203的操作类似，在此不做赘述。步骤S310、利用评估子网络对第一特征进行处理，以得到对目标网页的评估结果可以包括：利用评估子网 络对第一特征和第二特征进行处理，以得到对目标网页的评估结果。

锚链接(anchor)为网页中用于导航的链接文本，也可以称为锚点链接 或锚文本。通常情况下，锚链接指向一个与当前页面相关的其他页面，例如 在门户网站中，锚链接可以用于指向其中的不同板块，或同板块下的其他页 面。在一些低质量网页中，网页的标题或网页的锚链接中通常会包含相应的 诱导词汇，以诱导用户进行点击。因此通过使用标题和/或锚链接作为第二文 本，并使用基于第二文本的第二特征对网页质量进行评估，能够提升评估子 网络输出的评估结果的准确率。

根据一些实施例，步骤S303、确定与目标网页对应的第二文本包括：将 目标网页的标题和目标网页的至少一个锚链接进行拼接，以得到第二文本。 由此，能够最大程度地利用标题和锚链接以提升评估结果的准确性。可以理 解的是，在标题或锚链接空缺时，可以仅基于其中的一项构建第二文本。

根据一些实施例，第二子网络可以为文本卷积神经网络(TextCNN)。 TextCNN在对短文本进行处理时能够很好地区分不同的短文本，因此使用 TextCNN对标题和锚链接进行建模能够得到较高质量的第二特征。可以理解 的是，第二特征可以是表征标题和/或锚链接的文本特征，也可以是表征对标 题和/或锚链接的质量评估的特征，在此不作限定。相应地，第二子网络可以 是上述TextCNN，也可以同时包括TextCNN和基于文本特征进行质量评估 的文本质量评估模型，在此不作限定。除上述网络以外，本领域技术技术人 员还可以根据需求选择其他现有的神经网络模型或自行搭建神经网络模型 以实现上述功能。

根据一些实施例，神经网络还可以包括第三子网络。网页质量评估方法 还可以包括：步骤S305、基于目标网页的统一资源定位符，确定与目标网页 对应的第三文本；以及步骤S306、利用第三子网络对第三文本进行处理，以 得到目标网页的第三特征。步骤S310、利用评估子网络对第一特征进行处 理，以得到对目标网页的评估结果可以包括：利用评估子网络对第一特征和 第三特征进行处理，以得到对目标网页的评估结果。

在一些低质量网页中，网页的URL本身可能已经包含了诱导词汇，因 此可以基于网页URL确定第三文本，并使用基于第三文本的第三特征对网 页质量进行评估，以提升评估子网络输出的评估结果的准确率。

根据一些实施例，步骤S305、基于目标网页的统一资源定位符，确定与 目标网页对应的第三文本，包括：对目标网页的统一资源定位符进行分词， 以得到分词结果；以及使用n元语法(n-gram)模型对分词结果进行处理， 以得到第三文本。由此，通过对网页的URL进行分词，并使用n-gram模型 对分词结果进行处理以得到第三文本，能够进一步提升对URL的理解，从 而提升最后得到的评估结果的准确率。需要注意的是，第三文本可能包括多个文本片段，每一个片段由对URL的分词结果中的n个相邻的片段组成。

在一些实施例中，可以使用trigram(即，n＝3)对分词结果进行处理， 以进一步提升最终的评估结果的准确率。在一些实施例中，第三子网络可以 是长短时记忆网络，以使得能够更好地理解第三文本中的多个片段之间的关 系，以得到更高质量的第三特征。

根据一些实施例，网页质量评估方法还可以包括：渲染目标网页，获取 目标网页的网页稳定性参数，其中，目标网页的网页稳定性参数是根据目标 网页所包括的至少一个外链各自的返回码而确定的；以及基于目标网页的网 页稳定性参数，确定第四特征。步骤S310、利用评估子网络对第一特征进行 处理，以得到对目标网页的评估结果可以包括：利用评估子网络对第一特征 和第四特征进行处理，以得到对目标网页的评估结果。由此，通过对目标网 页进行渲染，并获取网页中的外链的返回码，能够确定这些外链是否渲染成功，进而基于该信息可以判断目标网页的网页稳定性参数，以作为网页质量 的其中一项评估标准。通过这样的方式，进一步丰富了网页质量的评估维度， 提升了网页质量评估结果的准确率。

在一些实施例中，外链可以包括网页中的图片、视频、js脚本、CSS等 等。如果网页中存在大量渲染失败的外链，则可以说明该网页的质量不佳。

根据一些实施例，如图3所示，网页质量评估方法还可以包括：步骤 S307、获取目标网页所在的站点的站点稳定性参数，其中，站点稳定性参数 是根据站点所包括的至少一个网页各自的网页稳定性参数确定的，网页稳定 性参数是根据对应的网页所包括的至少一个外链各自的返回码而确定的；以 及步骤S308、基于站点稳定性参数，确定第五特征。步骤S310、利用评估 子网络对第一特征进行处理，以得到对目标网页的评估结果可以包括：利用 评估子网络对第一特征和第五特征进行处理，以得到对目标网页的评估结果。 由此，通过获取目标网站所在站点的站点稳定性进行评估，并使用站点稳定 性作为网页质量的其中一项评估标准，使得进一步丰富了网页质量的评估维 度，提升了网页质量评估结果的准确率。

根据一些实施例，如图3所示，网页质量评估方法还可以包括：步骤 S309、获取目标网页的第六特征，第六特征指示目标网页的链接深度、文本 长度、或领域分类中的至少一个。步骤S310、利用评估子网络对第一特征进 行处理，以得到对目标网页的评估结果可以包括：利用评估子网络对第一特 征和第六特征进行处理，以得到对目标网页的评估结果。由此，通过获取网 页的链接深度、文本长度、领域分类、和/或其他的网页基础特征，能够进一 步丰富网页质量的评估维度，从而提升网页质量评估结果的准确率。

在一些实施例中，可以将第一特征、第二特征、第三特征、第四特征、、 第五特征、以及第六特征或其任意组合进行融合，以得到融合特征。可以理 解的是，本领域技术人员可以以各种方式对这些特征进行融合，例如，拼接、 加权求和等等，在此不作限定。在一个示例性实施例中，可以将第一特征、 第二特征、第三特征、第五特征、以及第六特征进行拼接，以得到容和特征。

在一些实施例中，可以使用评估子模型对融合特征进行处理，以得到最 终的评估结果。在一些实施例中，可以使用点对点(point wise)的排序模型 (Learning To Rank，LTR)作为评估子模型对融合特征进行处理，以得到最 终的评估结果。可以理解的是，也可以使用其他网络模型作为评估子模型， 在此不作限定。

在一些实施例中，评估结果可以是0-1范围内的打分，记为score，越靠 近1分代表质量越高，越靠近0代表质量越低。可以预先设置阈值w，并根 据score和w的比较结果判断是否收录对应的目标网页。可以理解的是，本 领域技术人员可以根据需求设计其他的评估结果呈现方式(例如，指示网页 是否为低质量网页的二分类结果)，并设置相应的判断标准以确定是否收录 对应的目标网页，在此不作限定。

根据本公开的另一方面，提供了一种神经网络的训练方法，神经网络包 括第一子网络和评估子网络。如图4所示，训练方法包括：步骤S401、获取 样本网页和样本网页的真实评估结果；步骤S402、在样本网页的网页源码中 提取第一样本文本，第一样本文本包括至少一个超样本文本标记语言标签； 步骤S403、利用第一子网络对第一样本文本进行处理，以得到样本网页的第 一样本特征；步骤S404、利用评估子网络对第一样本特征进行处理，以得到 对样本网页的预测评估结果；以及步骤S405、基于真实质量评估结果和预测 质量评估结果，调整神经网络的参数，以得到训练后的神经网络。可以理解 的是，图4中的步骤S402-步骤S404的操作和图2中的步骤S201-步骤S203 的操作类似，在此不做赘述。

在一些实施例中，样本网页和对应的真实评估结果是基于标注而得到的。 真实评估结果可以指示标注员对对应的样本网页的打分。在一些实施例中， 样本网页可以是由自动化网页反作弊系统所判定的作弊网页(或其他类似的 自动化系统判定的低质量/高质量网页)，则对应的真实评估结果可以表征该 网页的质量较低。此外，针对一些较高质量的站点(例如，政府官方网站、 门户网站等)，可以直接从这些站点抓取网页以作为高质量样本网页。可以 理解的是，本领域技术人员还可以通过其他方式获取样本网页和对应的真实评估结果，在此不作限定。

根据一些实施例，神经网络包括第二子网络。训练方法还可以包括：确 定与样本网页对应的第二样本文本，第二样本文本包括样本网页中的至少一 个锚链接和样本网页的标题中的至少一个；以及利用第二子网络对第二样本 文本进行处理，以得到样本网页的第二样本特征。步骤S404、利用评估子网 络对第一样本特征进行处理，以得到对样本网页的评估结果可以包括：利用 评估子网络对第一样本特征和第二样本特征进行处理，以得到对样本网页的 预测评估结果。

根据一些实施例，神经网络还包括第三子网络。训练方法还可以包括： 基于样本网页的统一资源定位符，确定与样本网页对应的第三样本文本；以 及利用第三子网络对第三样本文本进行处理，以得到样本网页的第三样本特 征。步骤S404、利用评估子网络对第一样本特征进行处理，以得到对样本网 页的评估结果可以包括：利用评估子网络对第一样本特征和第三样本特征进 行处理，以得到对样本网页的预测评估结果。

根据一些实施例，训练方法还可以包括：获取样本网页的网页稳定性参 数，其中，样本网页的网页稳定性参数是根据样本网页所包括的至少一个外 链各自的返回码而确定的；基于样本网页的网页稳定性参数，确定第四样本 特征。步骤S404、利用评估子网络对第一样本特征进行处理，以得到对样本 网页的评估结果可以包括：利用评估子网络对第一样本特征和第四样本特征 进行处理，以得到对样本网页的预测评估结果。

根据一些实施例，训练方法还可以包括：获取样本网页所在的站点的站 点稳定性参数，其中，站点稳定性参数是根据站点所包括的至少一个网页各 自的网页稳定性参数确定的，网页稳定性参数是根据对应的网页所包括的至 少一个外链各自的返回码而确定的；基于站点稳定性参数，确定第五样本特 征。步骤S404、利用评估子网络对第一样本特征进行处理，以得到对样本网 页的预测评估结果可以包括：利用评估子网络对第一样本特征和第五样本特 征进行处理，以得到对样本网页的预测评估结果。

根据一些实施例，训练方法还可以包括：获取样本网页的第六样本特征， 第六样本特征指示样本网页的链接深度、文本长度、或领域分类中的至少一 个。步骤S404、利用评估子网络对第一样本特征进行处理，以得到对样本网 页的预测评估结果，包括：利用评估子网络对第一样本特征和第六样本特征 进行处理，以得到对样本网页的预测评估结果。

可以理解的是，在步骤S405，本领域技术人员可以以各种方式根据真实 评估结果和预测评估结果调整神经网络及其包括的子网络(例如，第一子网 络、第二子网络、第三子网络、以及评估子网络)的参数，以得到训练后的 神经网络，在此不作限定。

根据本公开的另一方面，提供了一种基于神经网络的网页质量评估装置。 神经网络包括第一子网络和评估子网络。如图5所示，装置500包括：第一 提取单元510，被配置为在目标网页的网页源码中提取第一文本，第一文本 包括至少一个超文本标记语言标签；第一处理单元520，被配置为利用第一 子网络对第一文本进行处理，以得到目标网页的第一特征；以及第二处理单 元530，被配置为利用评估子网络对第一特征进行处理，以得到对目标网页 的评估结果。可以理解的是，装置500中的单元510-单元530的操作和图2 中的步骤S201-步骤S203的操作类似，在此不做赘述。

根据本公开的另一方面，提供了一种神经网络的训练装置。神经网络包 括第一子网络和评估子网络。如图6所示，装置600包括：获取单元610， 被配置为获取样本网页和样本网页的真实评估结果；第二提取单元620，被 配置为在样本网页的网页源码中提取第一样本文本，第一样本文本包括至少 一个超样本文本标记语言标签；第三处理单元630，被配置为利用第一子网 络对第一样本文本进行处理，以得到样本网页的第一样本特征；第四处理单 元640，被配置为利用评估子网络对第一样本特征进行处理，以得到对样本 网页的预测评估结果；以及调参单元650，被配置为基于真实质量评估结果 和预测质量评估结果，调整神经网络的参数，以得到训练后的神经网络。可 以理解的是，装置600中的单元610-单元650的操作和图4中的步骤S401- 步骤S405的操作类似，在此不做赘述。

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、提供和公开等处理，均符合相关法律法规的规定，且不违背公序 良俗。

根据本公开的实施例，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。

参考图7，现将描述可以作为本公开的服务器或客户端的电子设备700 的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备 旨在表示各种形式的数字电子的计算机设备，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7所示，设备700包括计算单元701，其可以根据存储在只读存储 器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器 (RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703 中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702 以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至 总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706、输出 单元707、存储单元708以及通信单元709。输入单元706可以是能向设备 700输入信息的任何类型的设备，输入单元706可以接收输入的数字或字符 信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并 且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克 风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。 存储单元708可以包括但不限于磁盘、光盘。通信单元709允许设备700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， 并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机 和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、 蜂窝通信设备和/或类似物。

计算单元701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701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701执行上文所描述的各个方法和处理，例 如网页质量评估方法和/或神经网络的训练方法。例如，在一些实施例中，网 页质量评估方法和/或神经网络的训练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708。在一些实施例中，计算机 程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或 安装到设备700上。当计算机程序加载到RAM703并由计算单元701执行 时，可以执行上文描述的网页质量评估方法和/或神经网络的训练方法的一个 或多个步骤。备选地，在其他实施例中，计算单元701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质量评估方法和/或神经 网络的训练方法。

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、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)、负载可编程逻辑设备 (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 编程数据处理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，又称为云计算服务器或云主机，是云计算服务体系中的一项主 机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简 称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。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、也可以顺序地或以 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。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方 法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实 施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施 例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通 过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组 合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多 要素可以由本公开之后出现的等同要素进行替换。

Claims (21)

1.一种基于神经网络的网页质量评估方法，所述神经网络包括第一子网络和评估子网络，所述方法包括：

在目标网页的网页源码中提取第一文本，所述第一文本包括至少一个超文本标记语言标签；

利用所述第一子网络对所述第一文本进行处理，以得到所述目标网页的第一特征；以及

利用所述评估子网络对所述第一特征进行处理，以得到对所述目标网页的评估结果。

2.根据权利要求1所述的方法，其中，所述神经网络包括第二子网络，所述方法还包括：

确定与所述目标网页对应的第二文本，所述第二文本包括所述目标网页中的至少一个锚链接和所述目标网页的标题中的至少一个；以及

利用所述第二子网络对所述第二文本进行处理，以得到所述目标网页的第二特征，

其中，利用所述评估子网络对所述第一特征进行处理，以得到对所述目标网页的评估结果，包括：

利用所述评估子网络对所述第一特征和所述第二特征进行处理，以得到对所述目标网页的评估结果。

3.根据权利要求2所述的方法，其中，确定与所述目标网页对应的第二文本包括：

将所述目标网页的标题和所述目标网页的至少一个锚链接进行拼接，以得到所述第二文本。

4.根据权利要求2或3所述的方法，其中，所述第二子网络为文本卷积神经网络。

5.根据权利要求1-4中任一项所述的方法，其中，所述神经网络还包括第三子网络，所述方法包括：

基于所述目标网页的统一资源定位符，确定与所述目标网页对应的第三文本；以及

利用所述第三子网络对所述第三文本进行处理，以得到所述目标网页的第三特征，

其中，利用所述评估子网络对所述第一特征进行处理，以得到对所述目标网页的评估结果，包括：

利用所述评估子网络对所述第一特征和所述第三特征进行处理，以得到对所述目标网页的评估结果。

6.根据权利要求5所述的方法，其中，基于所述目标网页的统一资源定位符，确定与所述目标网页对应的第三文本，包括：

对所述目标网页的统一资源定位符进行分词，以得到分词结果；以及

使用n元语法模型对所述分词结果进行处理，以得到所述第三文本。

7.根据权利要求5或6所述的方法，其中，所述第三子网络为长短时记忆网络。

8.根据权利要求1-7中任一项所述的方法，还包括：

渲染所述目标网页，以获取所述目标网页的网页稳定性参数，其中，所述目标网页的网页稳定性参数是根据所述目标网页所包括的至少一个外链各自的返回码而确定的；以及

基于所述目标网页的网页稳定性参数，确定第四特征，

其中，利用所述评估子网络对所述第一特征进行处理，以得到对所述目标网页的评估结果，包括：

利用所述评估子网络对所述第一特征和所述第四特征进行处理，以得到对所述目标网页的评估结果。

9.根据权利要求1-8中任一项所述的方法，还包括：

获取所述目标网页所在的站点的站点稳定性参数，其中，所述站点稳定性参数是根据所述站点所包括的至少一个网页各自的网页稳定性参数确定的，所述网页稳定性参数是根据对应的网页所包括的至少一个外链各自的返回码而确定的；以及

基于所述站点稳定性参数，确定第五特征，

其中，利用所述评估子网络对所述第一特征进行处理，以得到对所述目标网页的评估结果，包括：

利用所述评估子网络对所述第一特征和所述第五特征进行处理，以得到对所述目标网页的评估结果。

10.根据权利要求1-9中任一项所述的方法，还包括：

获取所述目标网页的第六特征，所述第六特征指示所述目标网页的链接深度、文本长度、或领域分类中的至少一个，

其中，利用所述评估子网络对所述第一特征进行处理，以得到对所述目标网页的评估结果，包括：

利用所述评估子网络对所述第一特征和所述第六特征进行处理，以得到对所述目标网页的评估结果。

11.一种神经网络的训练方法，所述神经网络包括第一子网络和评估子网络，所述方法包括：

获取样本网页和所述样本网页的真实评估结果；

在所述样本网页的网页源码中提取第一样本文本，所述第一样本文本包括至少一个超样本文本标记语言标签；

利用所述第一子网络对所述第一样本文本进行处理，以得到所述样本网页的第一样本特征；

利用所述评估子网络对所述第一样本特征进行处理，以得到对所述样本网页的预测评估结果；以及

基于所述真实质量评估结果和所述预测质量评估结果，调整所述神经网络的参数，以得到训练后的神经网络。

12.根据权利要求11所述的方法，其中，所述神经网络包括第二子网络，所述方法还包括：

确定与所述样本网页对应的第二样本文本，所述第二样本文本包括所述样本网页中的至少一个锚链接和所述样本网页的标题中的至少一个；以及

利用所述第二子网络对所述第二样本文本进行处理，以得到所述样本网页的第二样本特征，

其中，利用所述评估子网络对所述第一样本特征进行处理，以得到对所述样本网页的评估结果，包括：

利用所述评估子网络对所述第一样本特征和所述第二样本特征进行处理，以得到对所述样本网页的预测评估结果。

13.根据权利要求11或12所述的方法，其中，所述神经网络还包括第三子网络，所述方法还包括：

基于所述样本网页的统一资源定位符，确定与所述样本网页对应的第三样本文本；以及

利用所述第三子网络对所述第三样本文本进行处理，以得到所述样本网页的第三样本特征，

其中，利用所述评估子网络对所述第一样本特征进行处理，以得到对所述样本网页的评估结果，包括：

利用所述评估子网络对所述第一样本特征和所述第三样本特征进行处理，以得到对所述样本网页的预测评估结果。

14.根据权利要求11-13中任一项所述的方法，还包括：

获取所述样本网页的网页稳定性参数，其中，所述样本网页的网页稳定性参数是根据所述样本网页所包括的至少一个外链各自的返回码而确定的；

基于所述样本网页的网页稳定性参数，确定第四样本特征，

其中，利用所述评估子网络对所述第一样本特征进行处理，以得到对所述样本网页的评估结果，包括：

利用所述评估子网络对所述第一样本特征和所述第四样本特征进行处理，以得到对所述样本网页的预测评估结果。

15.根据权利要求11-14中任一项所述的方法，还包括：

获取所述样本网页所在的站点的站点稳定性参数，其中，所述站点稳定性参数是根据所述站点所包括的至少一个网页各自的网页稳定性参数确定的，所述网页稳定性参数是根据对应的网页所包括的至少一个外链各自的返回码而确定的；

基于所述站点稳定性参数，确定第五样本特征，

其中，利用所述评估子网络对所述第一样本特征进行处理，以得到对所述样本网页的预测评估结果，包括：

利用所述评估子网络对所述第一样本特征和所述第五样本特征进行处理，以得到对所述样本网页的预测评估结果。

16.根据权利要求11-15中任一项所述的方法，还包括：

获取所述样本网页的第六样本特征，所述第六样本特征指示所述样本网页的链接深度、文本长度、或领域分类中的至少一个，

其中，利用所述评估子网络对所述第一样本特征进行处理，以得到对所述样本网页的预测评估结果，包括：

利用所述评估子网络对所述第一样本特征和所述第六样本特征进行处理，以得到对所述样本网页的预测评估结果。

17.一种基于神经网络的网页质量评估装置，所述神经网络包括第一子网络和评估子网络，所述装置包括：

第一提取单元，被配置为在目标网页的网页源码中提取第一文本，所述第一文本包括至少一个超文本标记语言标签；

第一处理单元，被配置为利用所述第一子网络对所述第一文本进行处理，以得到所述目标网页的第一特征；以及

第二处理单元，被配置为利用所述评估子网络对所述第一特征进行处理，以得到对所述目标网页的评估结果。

18.一种神经网络的训练装置，所述神经网络包括第一子网络和评估子网络，所述装置包括：

获取单元，被配置为获取样本网页和所述样本网页的真实评估结果；

第二提取单元，被配置为在所述样本网页的网页源码中提取第一样本文本，所述第一样本文本包括至少一个超样本文本标记语言标签；

第三处理单元，被配置为利用所述第一子网络对所述第一样本文本进行处理，以得到所述样本网页的第一样本特征；

第四处理单元，被配置为利用所述评估子网络对所述第一样本特征进行处理，以得到对所述样本网页的预测评估结果；以及

调参单元，被配置为基于所述真实质量评估结果和所述预测质量评估结果，调整所述神经网络的参数，以得到训练后的神经网络。

19.一种电子设备，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1-16中任一项所述的方法。

20.一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根据权利要求1-16中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-16中任一项所述的方法。

Images