| 主权项 |
一种网站分类方法，其特征在于，包括：步骤S101，获取网站的多维属性，利用集合对多维属性进行表示；步骤S102，针对表示多维属性的集合，进行自编码特征学习；步骤S103，利用自编码学习结果，进行网站聚类学习，得到用于进行网站分类的支持向量机SVM；步骤S104，对任意一个未经标注的网站进行分类时，先进行步骤S101和步骤S102，得到与该网站对应的自编码学习结果；然后将与该网站对应的自编码学习结果输入到步骤S103得到的用于进行网站分类的支持向量机SVM中，进行网站分类，得到网站的类别；所述步骤S101具体包括：步骤S1011，提取网站首页超文本标记语言HTML标题、HTML正文和层叠样式表CSS主题色彩；步骤S1012，对所述HTML标题和HTML正文进行分词处理，得到单词向量集合B＝{w<sub>1</sub>,w<sub>2</sub>,…,w<sub>n</sub>}，n为正整数；步骤S1013，对每一个在向量B的单词w<sub>i</sub>，统计其在网页HTML的标签<a>、<h1>‑<h6>、<title>、<em>、<strong>中出现的次数，按出现的次数加权后排名，得到排名后新单词向量集合B’＝{w’<sub>1</sub>,w’<sub>2</sub>,…,w’<sub>m</sub>}；其中i＝1,2，……，n；m为正整数，m<＝n；步骤S1014，统计所述CSS主题色彩中使用最多的3种颜色类别，得到色彩向量描述集合C，C＝{c<sub>1</sub>,c<sub>2</sub>,c<sub>3</sub>}；步骤S1015，获取属性值，建立属性描述集合S；其中，属性值包括下述中的一项或多项：网站服务器类型、Poweredby信息、脚本语言类型、返回状态码、跳转次数、网站出处、外域个数、内域个数和页面大小；步骤S1016，根据集合B’、C和S，建立网站多维属性样本集合V，V＝B’∪C∪S；其中∪表示并集。 |
