[发明专利]基于URL中锚文字和周边文本的人口属性分类方法及装置

权利要求书

1.一种基于URL中锚文字和周边文本的人口属性分类方法，其特征在于，包括：

获取未知用户预设时间段内点击的URL中的锚文字和周边文本；

根据所述锚文字和周边文本、预先建立的第一分类模型将所述URL分类到不同的目录类别中，所述第一分类模型为利用互联网分类目录进行分类训练得到的；

根据不同目录类别下的类别特征信息、预先建立的第二分类模型对所述未知用户进行人口属性分类预报，所述第二分类模型为根据已知用户点击的URL所属目录类别下的类别特征信息和人口属性进行分类训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述类别特征信息包含URL数量；

所述第二分类模型为根据已知用户点击的URL所属目录类别下的类别特征信息和人口属性进行分类训练得到的，包括：

将所述已知用户点击的URL所属目录类别下的URL数量生成特征向量，利用分类算法训练得到特征向量和人口属性之间的对应关系；

所述根据不同目录类别下的类别特征信息、预先建立的第二分类模型对所述未知用户进行人口属性分类预报，包括：

将所述不同目录类别下的URL数量生成待分类特征向量；确定所述第二分类模型中与所述待分类特征向量最匹配的特征向量；根据所述最匹配的特征向量确定待分类特征向量所对应的人口属性。

3.根据权利要求2所述的方法，其特征在于，所述分类算法为以下任意一种：

逻辑递归分类算法、支持向量机分类算法、决策树分类算法、贝叶斯分类算法。

4.根据权利要求1～3任一项所述的方法，其特征在于，所述第一分类模型为利用互联网分类目录进行分类训练得到的，包括：

从互联网上提供的分类服务网站上抓取目录树作为分类，所述目录树中包含不同的目录类别；

对不同目录类别下的网页包含的文本内容进行训练，得到第一分类模型。

5.根据权利要求3所述的方法，其特征在于，所述对不同目录类别下的网页包含的文本内容进行训练，包括：

提取所述网页内容中的特征词，构造特征向量；

根据特征向量和目录类别采用分类算法对所述网页的URL进行分类。

6.一种基于URL中锚文字和周边文本的人口属性分类装置，其特征在于，包括：

获取模块，用于获取未知用户预设时间段内点击的URL中的锚文字和周边文本；

目录分类模块，用于根据所述锚文字和周边文本、预先建立的第一分类模型将所述URL分类到不同的目录类别中，所述第一分类模型为利用互联网分类目录进行分类训练得到的；

人口属性预报模块，用于根据不同目录类别下的类别特征信息、预先建立的第二分类模型对所述未知用户进行人口属性分类预报，所述第二分类模型为根据已知用户点击的URL所属目录类别下的类别特征信息和人口属性进行分类训练得到的。

7.根据权利要求6所述的装置，其特征在于，所述类别特征信息包含URL数量；

所述装置，还包括：

第二分类模型建立模块，用于将所述已知用户点击的URL所属目录类别下的URL数量生成特征向量，利用分类算法训练得到特征向量和人口属性之间的对应关系；

所述人口属性预报模块，具体用于将所述不同目录类别下的URL数量生成待分类特征向量；确定所述第二分类模型中与所述待分类特征向量最匹配的特征向量；根据所述最匹配的特征向量确定待分类特征向量所对应的人口属性。

8.根据权利要求7所述的装置，其特征在于，所述分类算法为以下任意一种：

逻辑递归分类算法、支持向量机分类算法、决策树分类算法、贝叶斯分类算法。

9.根据权利要求6～8任一项所述的装置，其特征在于，所述装置，还包括：

第一分类模型建立模块，具体用于从互联网上提供的分类服务网站上抓取目录树作为分类，所述目录树中包含不同的目录类别，对不同目录类别下的网页包含的文本内容进行训练，得到第一分类模型。

10.根据权利要求8所述的装置，其特征在于，所述第一分类模型建立模块，具体用于提取所述网页内容中的特征词，构造特征向量，根据特征向量和目录类别采用分类算法对所述网页的URL进行分类。