[发明专利]一种基于多示例学习的有害信息识别和网页分类方法

权利要求书

1.一种网页分类方法，包括以下步骤：

步骤1：提取选定网页内的有效图像，并提取所述有效图像的相关文本；

步骤2：将一幅有效图像及其相关文本作为网页包中的一个示例，生成所述有效图像及其相关文本的描述，并将二者合并起来作为示例的描述；

步骤3：采用多示例核对得到的所述示例进行计算，根据计算的结果对所述选定网页进行分类，所述步骤3具体包括以下步骤：

步骤3a：采用多示例核对得到的所述示例进行计算，所述步骤3a具体包括：

将步骤2中生成的一幅有效图像的示例作为一个包中的一个示例，一个网页作为一个包，对于步骤2中生成的包和包其中x为相应的示例表述，采用如下方式度量包B_i和包B_j之间的相似性：

KMI(Bi,Bj)=Σa=1niΣb=1njKp(xia,xjb);]]>

其中，K_MI(.，.)是多示例核，K(.，.)是传统核，p是一个正整数；

对所述的多示例核按照下式进行归一化处理：

KNMI(Bi,Bj)=KMI(Bi,Bj)KMI(Bi,Bi)KMI(Bj,Bj),]]>

其中，K_NMI(.，.)是归一化后的多示例核；

步骤3b：将上述步骤得到的多示例核与支持向量机结合，对所述选定网页进行分类，所述步骤3b进一步包括：

将K_NMI(B_i，B_j)与支持向量机结合，对所述选定网页进行分类，其中所述支持向量机的判别式如下：

f(x)=Σi∈SVαiyiK(xi,x)+b;]]>

其中，SV为支持向量索引集，y_i是特征向量x_i的类别标签，α_i是相应的权重，b是偏置，α_i的值和b的值皆通过训练得到；K(.，.)是传统核；以及

用K_NMI(.，.)代替K(.，.)后，得到：

f(B)=Σi∈SVαiyiK(Bi,B)+b.]]>