网页分类方法、装置、存储介质及电子设备与流程

1.本公开涉及分类技术领域，具体地，涉及一种网页分类方法、装置、存储介质及电子设备。


背景技术：

2.分类问题是人类所面临的一个非常重要且具有普遍意义的问题，将事物正确的分类，有助于人们认识世界，使杂乱无章的现实世界变得有条理。
3.在相关技术，网页的分类信息广泛的应用于搜索、广告等互联网领域，如何准确地对网页进行分类，是计算机领域长期以来一直在研究和探索的问题。


技术实现要素：

4.提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
5.第一方面，本公开提供一种网页分类方法，包括：
6.获取待分类网页的特征信息，所述特征信息包括搜索引擎优化信息、从所述待分类网页分享到第三方网站的网页分享信息、与所述待分类网页对应的网站在平台投放的与所述待分类网页相关的网页广告信息以及从渲染所述待分类网页的渲染图像结果中提取的网页渲染信息中的至少两种；
7.根据各所述特征信息分别预测所述待分类网页的候选网页类别；
8.从所有所述候选网页类别中确定所述待分类网页所属的目标网页类别。
9.第二方面，本公开提供一种网页分类装置，包括：
10.第一获取模块，用于获取待分类网页的特征信息，所述特征信息包括搜索引擎优化信息、从所述待分类网页分享到第三方网站的网页分享信息、与所述待分类网页对应的网站在平台投放的与所述待分类网页相关的网页广告信息以及从渲染所述待分类网页的渲染图像结果中提取的网页渲染信息中的至少两种；
11.预测模块，用于根据各所述特征信息分别预测所述待分类网页的候选网页类别；
12.确定模块，用于从所有所述候选网页类别中确定所述待分类网页所属的目标网页类别。
13.第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述第一方面中任一项所述网页分类方法的步骤。
14.第四方面，本公开提供一种电子设备，包括：
15.存储装置，其上存储有计算机程序；
16.处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述第一方面中任一项所述网页分类方法的步骤。
17.通过上述技术方案，利用待分类网页的多种特征信息预测待分类网页的候选网页
类别，进一步再从候选网页类别中确定待分类网页的目标网页类别，提高网页分类的准确率；且用于网页分类的特征信息从搜索引擎优化信息、网页分享信息、网页广告信息以及网页渲染信息中选择，利用在不同维度与网页有关的特征信息进行分类，能从根本上提高网页分类的准确率。
18.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
19.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
20.图1是根据本公开一示例性实施例示出的一种网页分类方法的流程图。
21.图2是根据本公开一示例性实施例示出的一种网页分类装置的框图。
22.图3是根据本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
23.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
24.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
25.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
26.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
27.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
28.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
29.正如背景技术所言，如何准确地对网页进行分类，是计算机领域长期以来一直在研究和探索的问题。在相关技术中，基于单一的网页文本对网页进行分类，很难准确地识别不同类别的网页。
30.综上，本公开提供一种网页分类方法，用于利用在不同维度与网页有关的特征信息进行分类，能从根本上提高网页分类的准确率。
31.图1是根据本公开一示例性实施例示出的一种网页分类方法的流程图。参照图1，该网页分类方法包括：
32.步骤101，获取待分类网页的特征信息，特征信息包括搜索引擎优化信息、从待分类网页分享到第三方网站的网页分享信息、与待分类网页对应的网站在平台投放的与待分类网页相关的网页广告信息以及从渲染待分类网页的渲染图像结果中提取的网页渲染信息中的至少两种。
33.步骤102，根据各特征信息分别预测待分类网页的候选网页类别。
34.步骤103，从所有候选网页类别中确定待分类网页所属的目标网页类别。
35.通过上述方式，利用待分类网页的多种特征信息预测待分类网页的候选网页类别，进一步再从候选网页类别中确定待分类网页的目标网页类别，提高网页分类的准确率；且用于网页分类的特征信息从搜索引擎优化信息、网页分享信息、网页广告信息以及网页渲染信息中选择，利用在不同维度与网页有关的特征信息进行分类，能从根本上提高网页分类的准确率。
36.为了使得本领域技术人员更加理解本公开提供的网页分类方法，下面对上述各步骤进行详细举例说明。
37.首先需要说明的是，网页的类别可以是运动、小说、购物、新闻等。本公开在此不作任何限定。
38.在本公开中，搜索引擎优化信息可以是指在了解搜索引擎自然排名机制的基础上，对网站进行内部及外部的调整优化，改进网站在搜索引擎中的关键词自然排名，获得更多流量，从而达成网站销售及品牌建设的目标。示例地，搜索引擎优化信息可以是构建待分类网页的超文本标记语言中的头部元素、关键词标签和描述标签中的信息。
39.在一些网页中，通常可以建立与第三方网站的连接，以便于在用户快捷地将该网页分享至第三方网站，以使用户无需登录第三方网站就可实现实时实地的网页分享。示例地，网页分享信息可以是待分类网页的网址、待分类网页的网页标题以及待分类网页的网页内容等信息。
40.网页广告信息是向用户投放的广告。网页广告信息可以向网页、应用或其他数字环境等平台中投放。示例地，网页广告信息可以是以视频、图片、音频等格式进行投放的信息。
41.网页渲染是指浏览器将网页的超文本标记语言变成用户能直观看到的图像的全过程。示例地，网页渲染信息可以是指从渲染待分类网页的渲染图像结果中提取的信息。可以理解的是，提取的信息可以是文字信息，也可以是图片信息，本实施例在此不作限定。
42.在可能的方式中，可以采用ocr(optical character recognition，光学字符识别)技术从渲染图像结果中显著的区域提取网页渲染信息。其中，显著的区域是指待分类网页在显示器上显示的中间中心位置，可以理解的是，与网页紧密关联的信息会处于显示界面的中心位置，因此，可以在显示器上显示的中间中心位置处提取网页渲染信息。另外，中心位置可以通过显示器的分辨率确定。
43.在可能的方式中，可以采用相关技术中的nlp(natural language processing，自然语言处理)技术来预测每种特征信息所对应的候选网页类别，本实施例在此不作赘述。
44.在可能的方式中，图1中从所有候选网页类别中确定待分类网页所属的目标网页类别的步骤可以包括：确定各特征信息的置信度；对所有置信度进行归一化处理；在所有经过归一化处理的置信度中最大的置信度大于或等于第一预设阈值的情况下，将与该最大的
置信度对应的特征信息所对应的候选网页类别确定为待分类网页所属的目标网页类别。
45.需要说明的是，信息的置信度表征该种信息的可信度，相对应地，可信度越高，其类别的准确度越高。
46.在本公开中，归一化处理是将不同数据映射到0～1范围之内，以便于不同数据之间的比较。
47.在本公开中，第一预设阈值可以通过实际情况进行设定，本实施例在此不作限定。
48.考虑到网站结构的日趋复杂化，网页的特征信息的可信度将受到不同程度的影响。例如，不少网站开发者采取作弊的手段调整网页，添加和页面无关内容来提高在搜索中的排名。因此，通过上述方式，为每种特征信息计算一个置信度，将置信度最高的特征信息所对应的候选网页类别确定为待分类网页所属的目标网页类别，由于选取的特征信息的可信度高，则可以进一步提高网页分类的准确率。
49.在可能的方式中，在所有经过归一化处理的置信度中最大的置信度小于第一预设阈值的情况下，将预设类别确定为待分类网页所属的目标网页类别，其中，预设类别包括低质量网页类别。
50.通过上述方式，考虑到在每种特征信息的置信度均较低的情况下，该待分类网页的质量不是很高，因此，在此种情况下，可以将待分类网页确定为低质量网页类别。在网页分类的其他应用领域中，例如，网页推荐领域，可以避免将低质量网页推荐给用户，为此保证了网页推荐的质量。
51.以下将对各个特征信息的置信度的计算过程进行进一步解释说明。
52.在可能的方式中，通过以下方式确定搜索引擎优化信息的置信度：根据搜索引擎优化信息，确定待分类网页在第一搜索引擎中的第一排名值；在第一排名值位于前预设数量之内时，确定搜索引擎优化信息的置信度为预设置信度；在第一排名值位于前预设数量之外时，确定待分类网页的辅助网页，确定待分类网页和辅助网页在第二搜索引擎的第二排名值；根据待分类网页和辅助网页在所述第二搜索引擎的第二排名值，确定待分类网页和辅助网页的平均排名值；采用以下公式计算搜索引擎优化信息的置信度：con1＝sigmoid((m+t)/r+(k
‑
r)/m)；其中，con1为搜索引擎优化信息的置信度，m为待分类网页和辅助网页在第二搜索引擎中的最低排名值，t为预设数量，k为平均排名值，r为待分类网页的第一排名值。
53.值得说明的是，一个网页根据其搜索引擎优化信息，在搜索引擎中的排名越靠前，其置信度越高。当排名小于某个阈值时(即，排名位于前10)，我们认为这个搜索引擎优化信息是可信的，则可以将搜索引擎优化信息的置信度为预设置信度。在本公开中，预设置信度可以根据实际情况进行设定。
54.在另一种可能的方式中，还可以进一步根据第一排名值在前预设数量之内的具体排名情况，设置对应的预设置信度，例如，设置一个多种排名值和与每种排名值对应的预设置信度的关联表，在第一排名值位于前预设数量之内时，通过查询该关联表，确定搜索引擎优化信息的置信度为预设置信度。
55.示例地，预设数量可以是5，也可以是10，本实施例在此不作限定。
56.在本公开中，辅助网页为与搜索引擎优化信息对应的网页类别所属类别相同的网页，且辅助网页用于辅助计算搜索引擎优化信息的置信度。
57.需要说明的是，第一搜索引擎和第二搜索引擎为不同的搜索引擎。
58.在可能的方式中，通过以下方式确定网页分享信息的置信度：获取从第三方网站分享到待分类网页的第一用户数量和访问所述待分类网页的第二用户数量；根据第一用户数量和第二用户数量，确定网页分享信息的置信度。
59.需要说明的是，第一用户数量表征分享待分类网页(分享到第三方网站)的用户数量，第二用户数量表征访问待分类网页的用户数量。其中，第一用户数量和第二用户数量可以通过网络爬取技术获取到。
60.示例地，可以将第一用户数量与第二用户数量的比值确定为网页分享信息的置信度，可以理解的是，第一用户数量与第二用户数量的比值可以表征为用户的分享率。
61.通过上述方式，采用表征用户行为的数据(分享率)来反馈网页的分类结果，由于用户行为数据能从一定程度上反应数据的真实性，在网页分类结果出现错误时，从表征用户行为的数据来进一步表征特征信息的置信度，能给系统提供了自我修正分类错误的能力，以提高网页分类的准确率。
62.在可能的方式中，通过以下方式确定网页广告信息的置信度：获取网页广告信息对应的广告的点击通过率、跳出率和退出率；采用以下公式计算网页广告信息的置信度：con2＝ctr/(bounce
rate
+a*exite
rate
)；其中，con2为网页广告信息的置信度，ctr为点击通过率，bounce
rate
为跳出率，exite
rate
为退出率，a为预设网站参数。
63.需要说明的是，广告的点击通过率表征广告的点击到达率，即广告的实际点击次数与广告的展现量的比值。
64.广告的跳出率表征访问了页面入口就离开的访问量与所产生的总访问量的百分比，也等同于访问一个页面后离开网站的次数与访问网站(该网站下包括多个网页)的总访问次数。可以理解的是，待分类网页是该网站下的一个网页。
65.广告的退出率表征用户从待分类网页退出的页面访问数与进入待分类网页的页面访问数的百分比。其中，从待分类网页退出的页面访问数包括在一次访问过程中用户浏览单页(待分类网页)即跳出的次数，也包括浏览多页后从待分类网页跳出的次数。进入待分类网页的页面访问数包括用户重复浏览待分类网页的次数。
66.示例地，10个访问来到a页面后，5个访问直接从a页面离开，3个访问去b页面，2个访问去c页面然后直接离开，其中，去了b页面的3个用户有2个访问返还a页面最终从a页面离开。计算a页面的跳出率＝(5/10)*100％，a页面的退出率＝((5+2)/(10+2))*100％。
67.预设网站参数与网站的规模和大小相关，可以通过人工指定或者监督学习的方法进行设置，本实施例在此不作限定。
68.在可能的方式中，通过以下方式确定网页渲染信息的置信度：在渲染图像结果中的不同位置处提取预设数量的渲染局部信息；根据各渲染局部信息，确定各渲染局部信息是否与网页渲染信息对应的候选网页类别相关；根据与网页渲染信息对应的候选网页类别相关的渲染局部信息的数量与预设数量，确定网页渲染信息的置信度。
69.示例地，不同位置处可以是渲染图像结果中的不同文字处以及不同图片处。
70.在本公开中，确定各渲染局部信息是否与网页渲染信息对应的候选网页类别相关可以是：确定各渲染局部信息的关键词信息，与网页渲染信息对应的候选网页类别的关键词信息是否对应，若对应，则确定渲染局部信息与网页渲染信息对应的候选网页类别相关，
若不对应，则确定渲染局部信息与网页渲染信息对应的候选网页类别不相关。以下以网页类别是运动类别为例对确定各渲染局部信息是否与网页渲染信息对应的候选网页类别相关的步骤进行进一步解释说明。
71.示例地，在提取到的渲染局部信息的是运动鞋，网页渲染信息对应的候选网页类别是运动的情况下，显然地运动的关键词可以是运动鞋、运动服、运动器材等。因此，该渲染局部信息与网页渲染信息对应的候选网页类别的关键词是相对应的，也就表明该渲染局部信息与网页渲染信息对应的候选网页类别是相关的。
72.可以理解的是，在提取到渲染局部信息与网页渲染信息对应的候选网页类别是相关的渲染局部信息数量占所有提取到的渲染局部信息的比重越大时，表征该网页渲染信息的可信度越高。因此，可以将网页渲染信息对应的候选网页类别相关的渲染局部信息的数量与预设数量的比值确定为网页渲染信息的置信度。
73.在可能的实施方式中，确定各特征信息的置信度的步骤可以包括：针对所有候选网页类别中每两个候选网页类别，确定该两个候选网页类别之间的相似度；在所有相似度中至少存在一个相似度小于第二预设阈值的情况下，确定各特征信息的置信度。
74.示例地，可以采用相关技术中的相似度计算方法计算每两个候选网页类别之间的相似度，本实施例在此不作赘述。
75.需要说明的是，第二预设阈值可以根据实际情况进行设定，本实施例在此不作限定。
76.考虑到确定待分类网页的网页类别的特征信息所预测的候选网页类别的相似度均较大的情况下，无需再通过置信度的计算来确定可信度最高的特征信息并将该特征信息对应的网页候选类别确定为目标网页类别，因此，通过上述方式，在所有相似度中至少存在一个相似度小于第二预设阈值的情况下，再执行确定各特征信息的置信度的步骤，减少了计算量，提高了网页分类的分类效率。
77.在可能的实施方式中，在所有相似度均大于或等于第二预设阈值的情况下，将所有候选网页类别中任意一个候选网页类别确定为待分类网页所属目标网页类别。
78.考虑到确定待分类网页的网页类别的特征信息所预测的候选网页类别的相似度均较大的情况下，所有候选网页类别均可作为待分类网页所属目标网页类别，因此，在此种情况下，直接将所有候选网页类别中任意一个候选网页类别确定为待分类网页所属目标网页类别，以提高网页分类的分类效率。
79.本公开实施例还提供一种网页分类装置，该网页分类装置可以通过软件、硬件或者两者结合的方式成为电子设备的部分或全部。图2是根据本公开一示例性实施例示出的一种网页分类装置的框图。参照图2，该网页分类装置200包括：
80.第一获取模块201，用于获取待分类网页的特征信息，所述特征信息包括搜索引擎优化信息、从所述待分类网页分享到第三方网站的网页分享信息、与所述待分类网页对应的网站在平台投放的与所述待分类网页相关的网页广告信息以及从渲染所述待分类网页的渲染图像结果中提取的网页渲染信息中的至少两种；
81.预测模块202，用于根据各所述特征信息分别预测所述待分类网页的候选网页类别；
82.确定模块203，用于从所有所述候选网页类别中确定所述待分类网页所属的目标
网页类别。
83.在可能的方式中，所述确定模块203包括：
84.置信度确定子模块，用于确定各所述特征信息的置信度；
85.归一化子模块，用于对所有所述置信度进行归一化处理；
86.第一确定子模块，用于在所有经过归一化处理的置信度中最大的置信度大于或等于第一预设阈值的情况下，将与该最大的置信度对应的特征信息所对应的候选网页类别确定为所述待分类网页所属的目标网页类别。
87.在可能的方式中，所述确定模块203还包括：
88.第二确定子模块，用于在所有经过归一化处理的置信度中最大的置信度小于所述第一预设阈值的情况下，将预设类别确定为所述待分类网页所属的目标网页类别，其中，所述预设类别包括低质量网页类别。
89.在可能的方式中，所述装置200还包括：
90.第一排名确定模块，用于根据所述搜索引擎优化信息，确定所述待分类网页在第一搜索引擎中的第一排名值；
91.预设确定模块，用于在所述第一排名值位于前预设数量之内时，确定所述搜索引擎优化信息的置信度为预设置信度；
92.网页确定模块，用于在所述第一排名值位于前预设数量之外时，确定所述待分类网页的辅助网页，其中，所述辅助网页为与所述搜索引擎优化信息对应的网页类别所属类别相同的网页；
93.第二排名确定模块，用于确定所述待分类网页和所述辅助网页在第二搜索引擎的第二排名值；
94.平均排名确定模块，用于根据所述待分类网页和所述辅助网页在所述第二搜索引擎的第二排名值，确定所述待分类网页和所述辅助网页的平均排名值；
95.第一计算模块，用于采用以下公式计算所述搜索引擎优化信息的置信度：
96.con1＝sigmoid((m+t)/r+(k
‑
r)/m)；
97.其中，所述con1为所述搜索引擎优化信息的置信度，所述m为所述待分类网页和所述辅助网页在所述第二搜索引擎中的最低排名值，所述t为所述预设数量，所述k为所述平均排名值，所述r为所述待分类网页的第一排名值。
98.在可能的方式中，所述装置200还包括：
99.第二获取模块，用于获取从所述第三方网站分享到所述待分类网页的第一用户数量和访问所述待分类网页的第二用户数量；
100.第二计算模块，用于根据所述第一用户数量和所述第二用户数量，确定所述网页分享信息的置信度。
101.在可能的方式中，所述装置200还包括：
102.第三获取模块，用于获取所述网页广告信息对应的广告的点击通过率、跳出率和退出率；
103.第三计算模块，用于采用以下公式计算所述网页广告信息的置信度：
104.con2＝ctr/(bounce
rate
+a*exite
rate
)；
105.其中，所述con2为所述网页广告信息的置信度，所述ctr为所述点击通过率，所述
bounce
rate
为所述跳出率，所述exite
rate
为所述退出率，所述a为预设网站参数。
106.在可能的方式中，所述装置200还包括：
107.提取模块，用于在所述渲染图像结果中的不同位置处提取预设数量的渲染局部信息；
108.判断模块，用于根据各所述渲染局部信息，确定各所述渲染局部信息是否与所述网页渲染信息对应的候选网页类别相关；
109.第四计算模块，用于根据与所述网页渲染信息对应的候选网页类别相关的渲染局部信息的数量与所述预设数量，确定所述网页渲染信息的置信度。
110.在可能的方式中，所述置信度确定子模块具体用于针对所有所述候选网页类别中每两个所述候选网页类别，确定该两个所述候选网页类别之间的相似度；在所有所述相似度中至少存在一个相似度小于第二预设阈值的情况下，确定各所述特征信息的置信度。
111.在可能的方式中，所述置信度确定子模块还用于在所有所述相似度均大于或等于所述第二预设阈值的情况下，将所有所述候选网页类别中任意一个候选网页类别确定为所述待分类网页所属目标网页类别。
112.下面参考图3，其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备或服务器)300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
113.如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(rom)302中的程序或者从存储装置308加载到随机访问存储器(ram)303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
114.通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
115.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
116.需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不
限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
117.在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
118.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
119.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待分类网页的特征信息，所述特征信息包括搜索引擎优化信息、从所述待分类网页分享到第三方网站的网页分享信息、与所述待分类网页对应的网站在平台投放的与所述待分类网页相关的网页广告信息以及从渲染所述待分类网页的渲染图像结果中提取的网页渲染信息中的至少两种；根据各所述特征信息分别预测所述待分类网页的候选网页类别；从所有所述候选网页类别中确定所述待分类网页所属的目标网页类别。
120.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
121.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标
注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
122.描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取至少两个网际协议地址的模块”。
123.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
124.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。
125.根据本公开的一个或多个实施例，示例1提供了一种网页分类方法，包括：获取待分类网页的特征信息，所述特征信息包括搜索引擎优化信息、从所述待分类网页分享到第三方网站的网页分享信息、与所述待分类网页对应的网站在平台投放的与所述待分类网页相关的网页广告信息以及从渲染所述待分类网页的渲染图像结果中提取的网页渲染信息中的至少两种；根据各所述特征信息分别预测所述待分类网页的候选网页类别；从所有所述候选网页类别中确定所述待分类网页所属的目标网页类别。
126.根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述从所有所述候选网页类别中确定所述待分类网页所属的目标网页类别，包括：确定各所述特征信息的置信度；对所有所述置信度进行归一化处理；在所有经过归一化处理的置信度中最大的置信度大于或等于第一预设阈值的情况下，将与该最大的置信度对应的特征信息所对应的候选网页类别确定为所述待分类网页所属的目标网页类别。
127.根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述方法还包括：在所有经过归一化处理的置信度中最大的置信度小于所述第一预设阈值的情况下，将预设类别确定为所述待分类网页所属的目标网页类别，其中，所述预设类别包括低质量网页类别。
128.根据本公开的一个或多个实施例，示例4提供了示例2的方法，所述特征信息包括所述搜索引擎优化信息，通过以下方式确定所述搜索引擎优化信息的置信度：根据所述搜索引擎优化信息，确定所述待分类网页在第一搜索引擎中的第一排名值；在所述第一排名值位于前预设数量之内时，确定所述搜索引擎优化信息的置信度为预设置信度；在所述第一排名值位于前预设数量之外时，确定所述待分类网页的辅助网页，其中，所述辅助网页为
与所述搜索引擎优化信息对应的网页类别所属类别相同的网页；确定所述待分类网页和所述辅助网页在第二搜索引擎的第二排名值；根据所述待分类网页和所述辅助网页在所述第二搜索引擎的第二排名值，确定所述待分类网页和所述辅助网页的平均排名值；采用以下公式计算所述搜索引擎优化信息的置信度：con1＝sigmoid((m+t)/r+(k
‑
r)/m)；其中，所述con1为所述搜索引擎优化信息的置信度，所述m为所述待分类网页和所述辅助网页在所述第二搜索引擎中的最低排名值，所述t为所述预设数量，所述k为所述平均排名值，所述r为所述待分类网页的第一排名值。
129.根据本公开的一个或多个实施例，示例5提供了示例2的方法，所述特征信息包括所述网页分享信息，通过以下方式确定所述网页分享信息的置信度：获取从所述第三方网站分享到所述待分类网页的第一用户数量和访问所述待分类网页的第二用户数量；根据所述第一用户数量和所述第二用户数量，确定所述网页分享信息的置信度。
130.根据本公开的一个或多个实施例，示例6提供了示例2的方法，所述特征信息包括所述网页广告信息，通过以下方式确定所述网页广告信息的置信度：获取所述网页广告信息对应的广告的点击通过率、跳出率和退出率；采用以下公式计算所述网页广告信息的置信度：con2＝ctr/(bounce
rate
+a*exite
rate
)；其中，所述con2为所述网页广告信息的置信度，所述ctr为所述点击通过率，所述bounce
rate
为所述跳出率，所述exite
rate
为所述退出率，所述a为预设网站参数。
131.根据本公开的一个或多个实施例，示例7提供了示例2的方法，所述特征信息包括所述网页渲染信息，通过以下方式确定所述网页渲染信息的置信度：在所述渲染图像结果中的不同位置处提取预设数量的渲染局部信息；根据各所述渲染局部信息，确定各所述渲染局部信息是否与所述网页渲染信息对应的候选网页类别相关；根据与所述网页渲染信息对应的候选网页类别相关的渲染局部信息的数量与所述预设数量，确定所述网页渲染信息的置信度。
132.根据本公开的一个或多个实施例，示例8提供了示例2
‑
7的方法，所述确定各所述特征信息的置信度，包括：针对所有所述候选网页类别中每两个所述候选网页类别，确定该两个所述候选网页类别之间的相似度；在所有所述相似度中至少存在一个相似度小于第二预设阈值的情况下，确定各所述特征信息的置信度。
133.根据本公开的一个或多个实施例，示例9提供了示例8的方法，所述方法还包括：在所有所述相似度均大于或等于所述第二预设阈值的情况下，将所有所述候选网页类别中任意一个候选网页类别确定为所述待分类网页所属目标网页类别。
134.根据本公开的一个或多个实施例，示例10提供了一种网页分类装置，包括：第一获取模块，用于获取待分类网页的特征信息，所述特征信息包括搜索引擎优化信息、从所述待分类网页分享到第三方网站的网页分享信息、与所述待分类网页对应的网站在平台投放的与所述待分类网页相关的网页广告信息以及从渲染所述待分类网页的渲染图像结果中提取的网页渲染信息中的至少两种；预测模块，用于根据各所述特征信息分别预测所述待分类网页的候选网页类别；确定模块，用于从所有所述候选网页类别中确定所述待分类网页所属的目标网页类别。
135.根据本公开的一个或多个实施例，示例11提供了示例10的装置，所述确定模块包括：置信度确定子模块，用于确定各所述特征信息的置信度；归一化子模块，用于对所有所
述置信度进行归一化处理；第一确定子模块，用于在所有经过归一化处理的置信度中最大的置信度大于或等于第一预设阈值的情况下，将与该最大的置信度对应的特征信息所对应的候选网页类别确定为所述待分类网页所属的目标网页类别。
136.根据本公开的一个或多个实施例，示例12提供了示例11的装置，所述确定模块还包括：第二确定子模块，用于在所有经过归一化处理的置信度中最大的置信度小于所述第一预设阈值的情况下，将预设类别确定为所述待分类网页所属的目标网页类别，其中，所述预设类别包括低质量网页类别。
137.根据本公开的一个或多个实施例，示例13提供了示例11的装置，所述装置还包括：第一排名确定模块，用于根据所述搜索引擎优化信息，确定所述待分类网页在第一搜索引擎中的第一排名值；预设确定模块，用于在所述第一排名值位于前预设数量之内时，确定所述搜索引擎优化信息的置信度为预设置信度；网页确定模块，用于在所述第一排名值位于前预设数量之外时，确定所述待分类网页的辅助网页，其中，所述辅助网页为与所述搜索引擎优化信息对应的网页类别所属类别相同的网页；第二排名确定模块，用于确定所述待分类网页和所述辅助网页在第二搜索引擎的第二排名值；平均排名确定模块，用于根据所述待分类网页和所述辅助网页在所述第二搜索引擎的第二排名值，确定所述待分类网页和所述辅助网页的平均排名值；第一计算模块，用于采用以下公式计算所述搜索引擎优化信息的置信度：con1＝sigmoid((m+t)/r+(k
‑
r)/m)；其中，所述con1为所述搜索引擎优化信息的置信度，所述m为所述待分类网页和所述辅助网页在所述第二搜索引擎中的最低排名值，所述t为所述预设数量，所述k为所述平均排名值，所述r为所述待分类网页的第一排名值。
138.根据本公开的一个或多个实施例，示例14提供了示例11的装置，所述装置还包括：第二获取模块，用于获取从所述第三方网站分享到所述待分类网页的第一用户数量和访问所述待分类网页的第二用户数量；第二计算模块，用于根据所述第一用户数量和所述第二用户数量，确定所述网页分享信息的置信度。
139.根据本公开的一个或多个实施例，示例15提供了示例11的装置，所述装置还包括：第三获取模块，用于获取所述网页广告信息对应的广告的点击通过率、跳出率和退出率；第三计算模块，用于采用以下公式计算所述网页广告信息的置信度：con2＝ctr/(bounce
rate
+a*exite
rate
)；其中，所述con2为所述网页广告信息的置信度，所述ctr为所述点击通过率，所述bounce
rate
为所述跳出率，所述exite
rate
为所述退出率，所述a为预设网站参数。
140.根据本公开的一个或多个实施例，示例16提供了示例11的装置，所述装置还包括：提取模块，用于在所述渲染图像结果中的不同位置处提取预设数量的渲染局部信息；判断模块，用于根据各所述渲染局部信息，确定各所述渲染局部信息是否与所述网页渲染信息对应的候选网页类别相关；第四计算模块，用于根据与所述网页渲染信息对应的候选网页类别相关的渲染局部信息的数量与所述预设数量，确定所述网页渲染信息的置信度。
141.根据本公开的一个或多个实施例，示例17提供了示例11
‑
16的装置，所述置信度确定子模块具体用于针对所有所述候选网页类别中每两个所述候选网页类别，确定该两个所述候选网页类别之间的相似度；在所有所述相似度中至少存在一个相似度小于第二预设阈值的情况下，确定各所述特征信息的置信度。
142.根据本公开的一个或多个实施例，示例18提供了示例17的装置，所述置信度确定子模块还用于在所有所述相似度均大于或等于所述第二预设阈值的情况下，将所有所述候
选网页类别中任意一个候选网页类别确定为所述待分类网页所属目标网页类别。
143.根据本公开的一个或多个实施例，示例19提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至9任一项所述方法的步骤。
144.根据本公开的一个或多个实施例，示例20提供了一种电子设备，包括：
145.存储装置，其上存储有计算机程序；
146.处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至9任一项所述方法的步骤。
147.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
148.此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
149.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。