一种网页分类方法和设备

摘要

本发明公开了一种网页分类方法和设备，该方法利用现有URL类别库中的记录，建立虚拟的层级URL，并对层级URL的类别进行预测。当需要对待分类网页进行分类时，根据待分类网页的URL查询URL类别库；如果未查询到匹配的URL，则根据该URL的上层URL查询URL类别库，并在查询到匹配的URL时，根据查询到的URL的预测类别确定待分类网页的类别。在本发明中，提高了网页分类的效率和成功率。

主权项

一种网页分类方法，其特征在于，应用于基于统一资源定位符URL类别库实现的网页分类流程，所述URL类别库中记录有各层级URL及各URL的预测类别，其中，相邻层级的URL中的上层URL是在下层URL的基础上截取得到的，该方法包括：根据待分类网页的URL查询URL类别库；如果未查询到匹配的URL，则根据该URL的上层URL查询URL类别库，并在查询到匹配的URL时，根据查询到的URL的预测类别确定待分类网页的类别；其中，所述URL类别库的生成过程，包括：遍历所述URL类别库中的URL，并当遍历到一个URL时，从所述URL类别库中选择该URL，并根据选择出的URL生成该URL的上一层级URL；判断生成的上一层级URL是否已经存在于所述URL类别库中，并当所述URL类别库中不存在该上一层级URL时，确定该上一层级URL的预测类别，并将该上一层级URL及其预测类别记录在所述URL类别库中。