[发明专利]基于网页文本语义特征的在线零售额计算方法

权利要求书

1.一种基于网页文本语义特征的在线零售额计算方法，其特征在于，包括如下步骤：对网民总体进行分层抽样得到样本；

实时监测样本成员的上网行为，基于网页语义特征发现所述样本成员的网络购物下达的订单，并基于网页语义特征从所述订单中抓取订单金额；

对样本网络购物信息进行实时汇总及统计，得到所述在线零售额，其中，所述样本网络购物信息包括所述订单以及所述订单金额。

2.根据权利要求1所述的方法，其特征在于，所述基于网页语义特征发现所述样本成员网络购物下达的订单具体包括以下步骤：

获得当前网页源代码；

过滤出网页源代码内的中文；

检测网页中文文本内是否含有网页文本特征，得到网页特征向量；

根据网页特征向量计算网页特征数值；

若所述网页特征数值大于网页特征数值阈值，则所述网页是订单页面，否则是非订单页面。

3.根据权利要求2所述的方法，其特征在于，根据网页特征向量计算网页特征数值的计算公式为：

P1=eΣ0nθixi1+eΣ0nθixi]]>

其中，n是提取所述网页文本特征的个数，x_i是所述网页特征向量X的第i个分量，θ_i是第一参数向量θ的第i个分量，p₁是所述网页特征数值，其中所述第一参数向量θ为已知的。

4.根据权利要求3所述的方法，其特征在于，所述第一参数向量θ是采用逻辑斯蒂回归得到的。

5.根据权利要求1所述的方法，其特征在于，所述从所述订单中抓取订单金额具体包括以下步骤：

获得订单页面网页源代码；

过滤出符合预定结构的所有字段；

依次检测每一个字段是否含有字段文本特征，得到字段特征向量；

对各个字段根据字段特征向量计算字段特征数值，选取所有字段中所述字段特征数值最大者，若该字段的所述字段特征数值大于字段特征阈值，则该字段被确定为订单金额所在字段；

从所述订单金额所在字段提取出数字，作为最终的所述订单金额。