[发明专利]一种网站行业类型快速识别的方法

摘要

本发明涉及网站行业类型识别技术，旨在提供一种网站行业类型快速识别的方法。该种网站行业类型快速识别的方法包括下述步骤：将目标网站依次匹配基础规则，当出现统计分大于或等于100的行业类型时，则将该行业类型作为目标网站的行业类型；当无法利用基础规则判断时，则将目标网站分别匹配所有二级规则，最后将统计分最高的行业类型作为目标网站的行业类型。本发明提供了一套识别行业网站行业类型的完整技术方案，能基于规则匹配识别网站行业类型，并能自动完善规则及对规则进行自动更新，方便大家对行业网站的使用。

主权项

1.一种网站行业类型快速识别的方法，网站的行业类型包括政务网站、教育行业网站、金融行业网站、企业网站、个人网站和社区网站，其特征在于，所述网站行业类型快速识别的方法具体包括下述步骤：步骤(1)：预先设置每个行业类型的基础规则，基础规则包括域名后缀规则、主体中是否有全国党政机关事业单位标志及链接规则、标题中是否有金融关键字规则、标题中是否有行政机关关键字规则、标题中是否有企业关键字规则、标题中是否有社区关键字规则和标题中是否有教育关键字规则；且每条基础规则设有分值，分值范围为60‑100；步骤(2)：将目标网站依次匹配基础规则，当网站与该条基础规则匹配时，则将该基础规则的分值加至该基础规则对应行业类型的统计分，且每个行业类型的统计分初始值为0；当出现统计分大于或等于100的行业类型时，则不再进行后续步骤，将该行业类型作为目标网站的行业类型；当匹配完所有基础规则，所有行业类型的统计分都小于100，则继续执行步骤(3)；步骤(3)：将所有行业类型的统计分初始化为0，将目标网站分别匹配所有二级规则，当网站与对应行业类型的二级规则匹配时，则将该二级规则的分值加至该行业类型的统计分；所述二级规则通过判断网站的标题、网页头部和底部是否含有网站行业类型对应的关键词或规则结构，对网站的行业类型进行匹配；且每条二级规则每条二级规则都设有分值，分值范围为60‑100；匹配完所有二级规则后，将统计分最高的行业类型作为目标网站的行业类型。