[发明专利]根据浏览网页确定用户感兴趣的网页文本的方法和系统

权利要求书

1.一种根据浏览网页URL确定用户感兴趣的相关网页文本的方法，其特征在于：包括步骤：

对一定时段内用户浏览的网页进行过滤处理，去除掉无用网页和某些无法访问的网页，对经过筛选剩下的URL地址进行链接，获得页面的文本内容，提取标题和文本信息；

按照预先定义的主题类别，为网页文档集合的每个网页文档确定一个类别；

对每个类进行访问频度统计，

访问频度值最高的网页集作为用户感兴趣的相关网页。

2.如权利要求1所述的一种根据浏览网页URL确定用户感兴趣的相关网页文本的方法，其特征在于：网页分类步骤中需要构建和训练网页分类器，输入训练文本集，通过文本表示和特征选择，根据特征词库构建分类器模型，输出为类似于树形结构的分类规则集，

网页分类器的训练过程即是对训练样本不断分组，通过建立目标变量关于各个输入变量的分类预测模型，全面实现输入变量和目标变量不同取值下的数据分组，进而用于对新数据对象的分类和预测。

3.如权利要求2所述的一种根据浏览网页URL确定用户感兴趣的相关网页文本的方法，其特征在于：网页分类器使用决策树分类方法，其步骤为：

①将测试样本表达成和训练样本同样的形式；

②t←决策树根结点；

③取决策树结点t的测试属性和阈值，将待测试样本对应特征的值与之比较，

然后根据t结点分裂的标准决定是

t←t的左孩子or t←t的右孩子；

④递归执行⑶，直到t为叶子结点；

⑤测试样本的类别为叶子t代表的类别。

4.如权利要求2所述的一种根据浏览网页URL确定用户感兴趣的相关网页文本的方法，其特征在于：网页分类步骤中，输入经过文本预处理模块处理过的待分类文本，通过文本表示，根据特征词库进行特征选择，与训练所生成的分类器模型的分类规则进行文本分类，输出为各文本所属类别信息。

5.如权利要求2或4所述的一种根据浏览网页URL确定用户感兴趣的相关网页文本的方法，其特征在于：文本表示步骤中，采用特征向量空间表示文本特征，文档i可以表示成如下公式的特征向量：

W_ij=(W_i1,W_i2,...,W_im)

其中，W_ij为词条j在文档i中出现频率f_ij的函数,直接使用词条在文档的出现频率作为特征值，计算公式为：

W_ij=f_ij。