[发明专利]网站分类方法、装置、计算机设备及存储介质

权利要求书

1.一种网站分类方法，其特征在于，包括：

采用训练样本集合对初始分类模型进行训练，获取文本分类模型；

其中，所述训练样本集合包括至少一个样本文本，所述样本文本为标识网站类型的网站简介文本；

获取待分类网站文本；

采用所述文本分类模型对所述待分类网站文本进行分类，以获取所述待分类网站文本的类别。

2.根据权利要求1所述的网站分类方法，其特征在于，所述初始分类模型包括第一LightGBM模型和第一Bi-LSTM模型，所述文本分类模型包括第二LightGBM模型和第二Bi-LSTM模型；

所述采用训练样本集合对初始分类模型进行训练，获取文本分类模型，包括：

采用所述训练样本集合对所述第一LightGBM模型和所述第一Bi-LSTM模型进行训练，获取所述第二LightGBM模型和所述第二Bi-LSTM模型。

3.根据权利要求2所述的网站分类方法，其特征在于，所述采用所述训练样本集合对所述第一LightGBM模型和所述第一Bi-LSTM模型进行训练，获取所述第二LightGBM模型和所述第二Bi-LSTM模型，包括：

将所述训练样本集合中的至少一个所述样本文本输入所述第一LightGBM模型，获取每个所述样本文本的第一分类向量；

将所述训练样本集合的至少一个所述样本文本输入所述第一Bi-LSTM模型，获取每个所述样本文本的第二分类向量；

分别将同一所述样本文本的所述第一分类向量和所述第二分类向量进行加权求和，以得到所述样本文本的训练分类；

将每一个所述样本文本的所述训练分类与所述样本文本的网站类型标识进行匹配；

判断所有所述样本文本的所述训练分类的匹配度是否大于预设阈值，若否，更新所述第一LightGBM模型的参数值，以及所述第一Bi-LSTM模型的参数值，直至完成对所述第一LightGBM模型和所述第一Bi-LSTM模型的训练，获取所述第二LightGBM模型和所述第二Bi-LSTM模型。

4.根据权利要求3所述的网站分类方法，其特征在于，所述将所述训练样本集合中的至少一个所述样本文本输入所述第一LightGBM模型，获取每个所述样本文本的第一分类向量，包括：

对所述样本文本进行预处理，获取所述样本文本中的所有分词；

采用gensim模块分别将每个所述分词转换为训练词向量，以得到所述样本文本的分词矩阵；

计算所述分词矩阵中每一个所述分词的词频-逆文件频率，将所述词频-逆文件频率作为相应的所述分词的权重；

将所述分词矩阵中每个所述分词分别与相应的权重进行加权，以得到所述样本文本的第一分词向量；

将所述第一分词向量输入所述第一LightGBM模型进行训练，得到所述样本文本的第一分类向量。

5.根据权利要求3所述的网站分类方法，其特征在于，所述将所述训练样本集合的至少一个所述样本文本输入所述第一Bi-LSTM模型，获取每个所述样本文本的第二分类向量，包括：

对所述样本文本进行预处理，获取所述样本文本中的所有分词；

采用bert模型将所述样本文本中的所有分词转换为第二分词向量；

将所述第二分词向量输入所述第一Bi-LSTM模型进行训练，得到所述样本文本的第二分类向量。

6.根据权利要求2所述的网站分类方法，其特征在于，所述采用所述文本分类模型对所述待分类网站文本进行分类，以获取所述待分类网站文本的类别，包括：

将所述待分类网站文本输入所述第二LightGBM模型，获取所述待分类网站文本的第四分类向量；

将所述待分类网站文本输入所述第二Bi-LSTM模型，获取所述待分类网站文本的第五分类向量；

将所述待分类网站文本的所述第四分类向量和所述第五分类向量进行加权求和，以得到所述待分类网站文本的分类。