[发明专利]一种生成用于用户代理信息的数据库的方法在审
申请号: | 201711142442.X | 申请日: | 2017-11-17 |
公开(公告)号: | CN107871008A | 公开(公告)日: | 2018-04-03 |
发明(设计)人: | 周英敏;庄福振;敖翔;何清 | 申请(专利权)人: | 中国科学院计算技术研究所 |
主分类号: | G06F17/30 | 分类号: | G06F17/30;G06F17/27 |
代理公司: | 北京泛华伟业知识产权代理有限公司11280 | 代理人: | 王勇 |
地址: | 100190 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 生成 用于 用户 代理 信息 数据库 方法 | ||
1.一种生成APP字典库的方法,包括:
A1)从收集的DPI数据中获取UserAgent字段;
A2)对所述UserAgent字段进行分词,获得一个或多个关键词;
A3)在互联网上检索所述关键词,计算所述关键词为APP名称的概率。
2.根据权利要求1所述的方法,其中步骤A3)包括:
在互联网中查找所述关键词,抓取前N个检索结果,统计包含用于显示其为针对所述关键词执行APP下载的检索结果的数量M,计算M/N以作为所述关键词为APP名称的概率。
3.根据权利要求1所述的方法,其中步骤A2)包括:
A2-1)采用正则表达式类对UserAgent字段进行分词。
4.根据权利要求3所述的方法,其中步骤A2)还包括:
A2-2)对分词结果执行TF-IDF计算,若一个分词结果的TF-IDF值小于设定的阈值,则将所述分词结果排除出关键词的集合。
5.根据权利要求1-4中任意一项所述的方法,其中步骤A1)还包括:
从收集的DPI数据中获取Reference字段;并且
还包括步骤A4)获得所述Reference字段所包含的主页地址对应主页的title。
6.一种识别用户所安装APP的方法,包括:
B1)获得所述用户的DPI数据,并从中获取UserAgent字段;
B2)对所述UserAgent字段进行分词,获得一个或多个关键词;
B3)在互联网上检索所述关键词,计算所述关键词为APP名称的概率。
7.根据权利要求6所述的方法,其中步骤B3)包括:
在互联网中查找所述关键词,抓取前N个检索结果,统计包含用于显示其为针对所述关键词执行APP下载的检索结果的数量M,计算M/N以作为所述关键词为APP名称的概率。
8.根据权利要求6所述的方法,其中步骤B2)包括:
B2-1)采用正则表达式类对UserAgent字段进行分词。
9.根据权利要求8所述的方法,其中步骤B2)还包括:
B2-3)对分词结果执行TF-IDF计算,若一个分词结果的TF-IDF值小于设定的阈值,则将所述分词结果排除出关键词的集合。
10.根据权利要求1-9中任意一项所述的方法,其中步骤B1)还包括:
从所述用户的DPI数据获取取Reference字段;并且,还包括:
B4)获得所述Reference字段所包含的主页地址对应主页的title,以作为第二APP名称;
B5)将所述概率最高的关键词作为第一APP名称,比较所述第一APP名称与所述第二APP名称,选择两者之一作为所述用户所安装APP。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所,未经中国科学院计算技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711142442.X/1.html,转载请声明来源钻瓜专利网。