[发明专利]统一资源定位符URL间相似度计算的方法及装置

说明书

本公开是关于统一资源定位符URL间相似度计算的方法及装置，用于提高URL间相似度计算的准确性。所述方法包括：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；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。本公开能够利用多个维度计算URL间相似度，提高了URL间相似度的准确性。

技术领域

本公开涉及计算机网络技术领域，尤其涉及统一资源定位符URL间相似度计算的方法及装置。

背景技术

相关技术中，计算统一资源定位符URL间相似度的方法为：将URL当成字符串，按字符串间相似度的计算方法计算URL间相似度。例如，按编辑距离算法或最长公共子串算法计算两个字符串间相似度，以该计算所得相似度作为URL间相似度。其中，编辑距离算法是根据两个字符串之间，由一个转成另一个所需的最少编辑操作次数，计算字符串间相似度；最长公共子串算法是根据两个字符串间最长的相同子串，计算字符串间相似度。相关技术中计算URL间相似度的方法的缺陷在于：所计算的相似度不够准确。例如，URL1为www.miui.com/music/123.html，URL 2为www.miui.com/music/456.html，URL 3为www.miui.com/music/abc.html，按相关技术，该3个URL相互间的相似度相同，但是，事实上，URL1和URL2间的相似度大于，URL 3与URL1间的相似度。

发明内容

为克服相关技术中存在的问题，本公开实施例提供统一资源定位符URL间相似度计算的方法，用于提高URL间相似度计算的准确性。

根据本公开实施例的第一方面，提供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；

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。

在一实施例中，方法还可包括：

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。

在一实施例中，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，可包括：

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。

在一实施例中，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，可包括：

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。

在一实施例中，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/或尾部页面参量。