[发明专利]一种网页信息的识别方法及装置

说明书

本发明实施例公开了一种网页信息识别方法及装置，其中的识别方法包括：从数据库中获取网页日志信息；按照描述对象所属的类目划分获取的所述网页日志信息，并统计各类目中的网页日志信息；利用统计的所述各类目中的网页日志信息建立各类目的统计模型，根据所述统计模型确定各类目描述对象的特征信息分布；判断被识别的网页信息中描述对象的特征信息是否在所属类目的特征信息分布的正常范围内；如果是，确定所述被识别的网页信息为真实信息，否则，确定所述被识别的网页信息为虚假信息。根据本申请实施例，可以自动识别出产品的虚假信息，提高识别效率。

技术领域

本发明涉及计算机应用技术领域，特别是涉及一种网页信息的识别方法和装置。

背景技术

在第三方购物平台上，卖家用户通过平台发布产品网页，买家用户通过平台上的搜索引擎在卖家发布的网页中查找满足特定的搜索条件的网页，搜索引擎将这些符合特定的搜索条件的网页以搜索结果的形式展示给买家，买家用户进一步通过浏览产品搜索结果进而决定是否点击并详细查看某个搜索结果产品。另外，当买家用户通过搜索引擎查找产品满足特定的搜索条件的网页时，搜索引擎也会基于网页信息对作为搜索结果的网页进行排序。因此，有些卖家用户为了使其发布的网页成为搜索引擎的搜索结果，或者，为了使其发布的网页在作为搜索结果时排在前面以获得更多曝光机会，通常都会在第三方购物平台上发布包含虚假的网页信息的网页。例如，产品价格信息在所有的网页信息中是买家用户最为关注的一个重要因素，而搜索引擎也提供有基于价格的排序功能，因此，一些卖家用户在发布网页时会故意发布虚假的价格信息。

受到这些虚假的网页信息的影响，在信息搜索时，一方面，搜索引擎很可能会将包含虚假的网页信息的网页作为搜索结果反馈给买家用户；另一方面，搜索引擎还有可能在排序时将包含虚假的网页信息的网页排在整个搜索结果的前面部分。上述两种情况都将严重影响搜索引擎的搜索质量，降低了用户体验。

除此之外，对于其他的网站平台也会存在信息不一致的现象，比如视频网站，一般视频网站中包括：电影、音乐、电视剧和动漫等视频，而视频在网页信息中都有其标题信息和属性信息，例如：对于电影就有标题信息和影片介绍信息，其中影片介绍信息也就是电影的属性信息。视频网站上既有上传电影视频的用户(即“上传用户”)，也有搜索、浏览并下载电影视频的用户(即“下载用户”)，上传用户为了得到更多的曝光机会，填写的标题信息和属性信息会存在不一致的现象，这种不一致的网页信息同样会影响视频网站搜索引擎的搜索质量，进而就影响下载用户的搜索体验。

为了提高搜索引擎的搜索质量，现有技术是通过人工抽查的方式从发布的网页中查找出疑似包含虚假网页信息的网页。而卖家用户发布的网页在数量上是十分庞大的，由于人力资源的限制，导致这种抽查处理的网页数量也是十分有限的，所以，这种人工抽查的方式很难广泛使用，其工作效率也很低。基于现有技术中存在的上述技术问题，目前迫切需要提供一种在第三方购物平台中自动识别虚假的网页信息的方法，以提高识别的工作效率。

发明内容

为了解决上述技术问题，本发明实施例提供了一种网页信息的识别方法及装置，以自动地识别出虚假的网页信息，提高识别的工作效率，同时，也提高了搜索引擎的搜索质量。

本申请实施例公开了如下技术方案：

一种网页信息的识别方法，包括：

从数据库中获取网页日志信息，所述网页日志信息包括描述对象在发布日志中的特征信息以及曝光日志中的特征信息、点击日志中的特征信息和交易日志中的特征信息中的任意一个或任意多个；

按照描述对象所属的类目划分获取的所述网页日志信息，并统计各类目中的网页日志信息；

利用统计的所述各类目中的网页日志信息建立各类目的统计模型，根据所述统计模型确定各类目描述对象的特征信息分布；

判断被识别的网页信息中描述对象的特征信息是否在所属类目的特征信息分布的正常范围内；