[发明专利]一种基于网站特征的贷款类诈骗网站的识别方法

权利要求书

1.一种基于网站特征的贷款类诈骗网站的识别方法，其特征在于，包括：

识别IP归属地，并筛选出IP地址为非中国大陆的网站；

对筛选出的网站的HTML进行解析，提取手机端网页特征，筛选出手机端的网站；

在筛选出的手机端的网站中再筛选出有中文编码的网站；

对筛选出有中文编码的网站的文案字符进行分词；

利用关键词库，对分词的结果进行聚类，计算命中词汇的权重；

筛选出权重较高的网站。

2.根据权利要求1所述的一种基于网站特征的贷款类诈骗网站的识别方法，其特征在于，在筛选出的手机端的网站中再筛选出有中文编码的网站的过程包括：

去除筛选出的手机端网站HTML的标签，提取全部文案字符；

对提取出的文案字符进行Unincode编码；

识别出简体中文对应的Unincode编码，筛选出有中文编码的网站。

3.根据权利要求2所述的一种基于网站特征的贷款类诈骗网站的识别方法，其特征在于，该方法之前还包括：

确定网站数据；

构建关键词库。

4.根据权利要求3所述的一种基于网站特征的贷款类诈骗网站的识别方法，其特征在于，所述网站数据包括：域名、IP地址、IP定位地址、网站原始HTML。

5.根据权利要求4所述的一种基于网站特征的贷款类诈骗网站的识别方法，其特征在于，所述构建关键词库的过程包括：

自贷款诈骗网站的中文文本中提取出关键词汇；

为提取出的每个关键词汇标记权重，并形成关键词库。