【摘要】 本发明具体公开了一种判定锚文本噪声级别的方法及系统，所述方法包括：对网页信息中锚文本标注属性和属性值，获取目标网页内容与锚文本描述的符合度，根据符合度与预设阈值的大小关系，对部分锚文本标注噪声级别；依据属性个数、以每个属性作为一个维度坐标，建立N维坐标空间，N为不小于2的整数，将标注噪声级别的部分锚文本映射到至少N维坐标空间内；在至少N维坐标空间中，找到不同噪声级别锚文本之间的最大分类间隔；由最大分类间隔组成分类模型；将标注属性和属性值的锚文本输入到分类模型，获取锚文本的噪声级别。本发明还提供了一种判定锚文本噪声级别的系统。采用本发明的方法和系统，能够高效准确地判定网络中锚文本的噪声级别。 -官网 【专利类型】发明授权 【申请人】腾讯科技(深圳)有限公司 【申请人类型】企业 【申请人地址】518044 广东省深圳市福田区振兴路赛格科技园2栋东410室 【申请人地区】中国 【申请人城市】深圳市 【申请人区县】福田区 【申请号】CN200810125286.0 【申请日】2008-06-30 【申请年份】2008 【公开公告号】CN101295320B 【公开公告日】2010-07-28 【公开公告年份】2010 【授权公告号】CN101295320B 【授权公告日】2010-07-28 【授权公告年份】2010.0 【IPC分类号】G06F17/30 【发明人】刘云峰; 禹荣凌 【主权项内容】一种判定锚文本噪声级别的方法，其特征在于，所述方法包括：对网页信息中锚文本标注属性和属性值；获取目标网页内容与锚文本描述的符合度，根据所述符合度与预设阈值的大小关系，对部分锚文本标注噪声级别；依据属性个数、以每个属性作为一个维度坐标，建立N维坐标空间，N为不小于2的整数，将所述标注噪声级别的部分锚文本映射到至少N维坐标空间；在所述至少N维坐标空间中，找到不同噪声级别锚文本之间的最大分类间隔；由所述最大分类间隔组成分类模型；将所述标注属性和属性值的锚文本输入到所述分类模型，获取所述锚文本的噪声级别。。 【当前权利人】腾讯科技(深圳)有限公司 【当前专利权人地址】广东省深圳市福田区振兴路赛格科技园2栋东410室 【专利权人类型】有限责任公司(台港澳法人独资) 【统一社会信用代码】9144030071526726XG 【家族被引证次数】4
