网页训练方法及系统、网页预测方法及系统

摘要

本申请涉及一种网页训练方法及系统、网页预测方法及系统，包括：根据与分类关键词相关联的已有数据获得分类关键词的先验概率表；对待训练网页进行预处理以获得待训练网页文本；根据先验概率表在所述待训练网页文本中提取特征得出待训练网页与指定类目之间的关联关系特征向量表示F1；对所述关联关系特征向量表示F1进行模型训练以得出所述待训练网页的分类结果。本申请可以同时处理异构性很强的类目体系，并且利用相对非常少的训练数据处理规模庞大的类目体系，此外，通过收集用户在全网上的浏览/搜索行为，而不仅仅是在一家网站上的行为，很大程度上解决了数据的稀疏性问题。

主权项

一种网页训练方法，用于对网页进行分类，其特征在于，包括：根据与分类关键词相关联的已有数据获得分类关键词的先验概率表；对待训练网页进行预处理以获得待训练网页文本；根据先验概率表在所述待训练网页文本中提取特征得出待训练网页与指定类目之间的关联关系特征向量表示F1；对所述关联关系特征向量表示F1进行模型训练以得出所述待训练网页的分类结果。