[发明专利]一种基于机器学习的侵权网页判断方法在审
| 申请号： | 201811223048.3 | 申请日： | 2018-10-19 |
| 公开（公告）号： | CN109408947A | 公开（公告）日： | 2019-03-01 |
| 发明（设计）人： | 林俊 | 申请（专利权）人： | 杭州刀豆网络科技有限公司 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N99/00 |
| 代理公司： | 杭州华知专利事务所(普通合伙) 33235 | 代理人： | 张德宝 |
| 地址： | 310000 浙江省杭州市余杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的侵权网页判断方法，包括：网页源数据预处理生成训练集和测试集；使用训练集生成分析模型、测试集测试不同阈值下分析模型的性能指标及人工选择最优阈值；使用分析模型和最优阈值对网页进行分析判断是否为侵权网页。本发明解决了现有采用人工审核网页是否侵权成本高昂、没有统一审核标准导致审核缓慢的技术问题。 | ||
| 搜索关键词： | 网页 分析模型 基于机器 测试集 训练集 预处理 网页源数据 分析判断 人工审核 人工选择 审核 测试 学习 统一 | ||
【主权项】：
1.一种基于机器学习的侵权网页判断方法，包括：网页源数据预处理生成训练集和测试集；使用训练集生成分析模型、测试集测试不同阈值下分析模型的性能指标及人工选择最优阈值；使用分析模型和最优阈值对网页进行分析判断是否为侵权网页，其特征是，所述网页源数据包括网页标题、网页文本和网页侵权标签，所述网页源数据生成训练数据和测试数据，所述训练数据构建形成词典，所述词典使用词袋模型将训练数据生成训练集，所述训练集包括训练特征向量和数据标签，所述词典使用词袋模型将测试数据生成测试集，所述测试集包括测试特征向量和数据标签，所述数据标签使用“0”或“1”分别表示“非侵权”和“侵权”，所述分析模型通过所述训练集搭建全连接神经网络得到，所述分析模型包括输入层、隐藏层a、隐藏层b和输出层，所述输入层内设置存储单元，所述隐藏层a、隐藏层b和输出层内均设置计算单元，所述存储单元存储输入数据，所述计算单元表示一次数学计算，所述输入层的存储单元数为5000，所述隐藏层a的计算单元数为1000，所述隐藏层b的计算单元数为300，所述输出层的计算单元数为1，所述隐藏层a设置有激活函数LeakReLU，所述隐藏层b设置有激活函数tanh，所述输出层设置有激活函数sigmoid。
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杭州刀豆网络科技有限公司，未经杭州刀豆网络科技有限公司许可，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/201811223048.3/，转载请声明来源钻瓜专利网。
