[发明专利]伪原创网站的识别方法及装置有效
| 申请号： | 201310522517.2 | 申请日： | 2013-10-29 |
| 公开（公告）号： | CN104572787B | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 陈志高 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06F16/955 | 分类号： | G06F16/955 |
| 代理公司： | 北京派特恩知识产权代理有限公司 11270 | 代理人： | 蒋雅洁;张颖玲 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种伪原创网站的识别方法及装置，涉及信息技术领域，可以提高伪原创网站的识别准确率。所述方法包括：首先提取网站中包含的各个网页和所述各个网页分别对应的样式指纹，然后分别计算所述各个网页分别对应的样式指纹与伪原创样式指纹之间的海明距离，再统计所述各个网页中与所述伪原创样式指纹之间的海明距离大于或等于第一预设阈值的网页数量，若所述网页数量大于或等于第二预设阈值，则确定所述网站为伪原创网站。 | ||
| 搜索关键词： | 原创 网站 识别 方法 装置 | ||
【主权项】：
1.一种伪原创网站的识别方法，其特征在于，包括:提取网站中包含的各个网页和所述各个网页分别对应的样式指纹；分别计算所述各个网页分别对应的样式指纹与伪原创样式指纹之间的海明距离；统计所述各个网页中与所述伪原创样式指纹之间的海明距离大于或等于第一预设阈值的网页数量；若所述网页数量大于或等于第二预设阈值，则确定所述网站为伪原创网站；所述提取网站中包含的各个网页和所述各个网页分别对应的样式指纹的步骤之前，还包括：获取伪原创样式指纹；所述获取伪原创样式指纹的步骤包括：计算各个网站中包含的网页对应的样式指纹，并且建立样式指纹与网页之间的对应关系；根据样式指纹与网页之间的对应关系，获取样式指纹对应的统一资源定位符(URL)数量，其中，每一个网页对应一个URL；根据所述样式指纹对应的URL数量，确定与所述样式指纹对应的网站数量；若所述样式指纹对应的网站数量大于或等于第三预设阈值时，确定所述样式指纹为伪原创样式指纹。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，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/patent/201310522517.2/，转载请声明来源钻瓜专利网。
- 上一篇：利用位图进行海量文件运算处理的方法
- 下一篇：微博群体处理方法及装置
