[发明专利]统一资源定位符URL间相似度计算的方法及装置

权利要求书

1.一种统一资源定位符URL间相似度计算的方法，其特征在于，包括：

对应于URL的各个预设特征参量，根据URL中对应于所述预设特征参量的特征参量值，计算URL间对应于所述预设特征参量的相似度分量，其中，所述预设特征参量包括：站点名称参量、目录深度参量、一级目录参量、二级目录参量和尾部页面参量；

根据各个预设特征参量对应的预设权重值，将所述URL间对应于各个预设特征参量的相似度分量，进行加权求和，得到所述URL间相似度；

所述根据URL中对应于所述预设特征参量的特征参量值，计算URL间对应于所述预设特征参量的相似度分量，包括：

判断URL中对应于所述预设特征参量的特征参量值是否相同；

当URL中所述特征参量值相同时，确定URL间对应于所述预设特征参量的相似度分量为第一预设值；

当URL中所述特征参量值不相同时，确定URL间对应于所述预设特征参量的相似度分量为第二预设值；

所述第一预设值大于所述第二预设值；

所述方法还包括：

判断所述URL间相似度是否大于预设阈值；

当所述URL间相似度大于预设阈值时，判定所述URL相似。

2.如权利要求1所述的方法，其特征在于，

当所述预设特征参量的类型为字符串时，所述根据URL中对应于所述预设特征参量的特征参量值，计算URL间对应于所述预设特征参量的相似度分量，包括：

利用编辑距离算法或最长公共子串算法，根据URL中对应于所述预设特征参量的字符串，计算URL间对应于所述预设特征参量的相似度分量；或者根据URL中对应于所述预设特征参量的字符串中字符的类型，计算URL间对应于所述预设特征参量的相似度分量。

3.一种统一资源定位符URL间相似度计算的装置，其特征在于，包括：

计算模块，用于对应于URL的各个预设特征参量，根据URL中对应于所述预设特征参量的特征参量值，计算URL间对应于所述预设特征参量的相似度分量，其中，所述预设特征参量包括：站点名称参量、目录深度参量、一级目录参量、二级目录参量和尾部页面参量；

加权求和模块，用于根据各个预设特征参量对应的预设权重值，将所述URL间对应于各个预设特征参量的相似度分量，进行加权求和，得到所述URL间相似度；

所述计算模块，包括：

判断子模块，用于判断URL中对应于所述预设特征参量的特征参量值是否相同；

第一确定子模块，用于当URL中所述特征参量值相同时，确定URL间对应于所述预设特征参量的相似度分量为第一预设值；

第二确定子模块，用于当URL中所述特征参量值不相同时，确定URL间对应于所述预设特征参量的相似度分量为第二预设值；

所述第一预设值大于所述第二预设值；

所述装置还包括：

判断模块，用于判断所述URL间相似度是否大于预设阈值；

判定模块，用于当所述URL间相似度大于预设阈值时，判定所述URL相似。

4.如权利要求3所述的装置，其特征在于，

所述计算模块，包括

第一计算子模块，用于当所述预设特征参量的类型为字符串时，利用编辑距离算法或最长公共子串算法，根据URL中对应于所述预设特征参量的字符串，计算URL间对应于所述预设特征参量的相似度分量；或者

第二计算子模块，用于当所述预设特征参量的类型为字符串时，根据URL中对应于所述预设特征参量的字符串中字符的类型，计算URL间对应于所述预设特征参量的相似度分量。