买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：恒安嘉新(北京)科技股份公司

摘要：本发明实施例公开了一种网址分类模型训练、网址分类方法、装置、设备及介质。该网址分类模型训练方法，包括：获取网址训练数据；其中，所述网址训练数据包括URL地址和地址分类标签；根据所述网址训练数据生成字符向量矩阵和词向量矩阵；提取所述字符向量矩阵的特征向量作为第一特征向量，并提取所述词向量矩阵的特征向量作为第二特征向量；对所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量；根据所述拼接特征向量对网址分类模型进行模型训练。本发明实施例的技术方案能够提高网址分类模型的查全率，从而提高网址分类模型的准确率和分类精度。

主权项：1.一种网址分类模型训练方法，其特征在于，包括：获取网址训练数据；其中，所述网址训练数据包括URL地址和地址分类标签；根据所述网址训练数据生成字符向量矩阵和词向量矩阵；提取所述字符向量矩阵的特征向量作为第一特征向量，并提取所述词向量矩阵的特征向量作为第二特征向量；其中，所述第一特征向量和所述第二特征向量为卷积神经网络CNN特征向量；对所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量；根据所述拼接特征向量对网址分类模型进行模型训练，包括：对所述拼接特征向量提取序列特征，得到序列特征向量；其中，所述序列特征通过RNN特征提取层对所述拼接特征向量提取得到；对所述序列特征向量进行非线性映射变换，得到序列变换特征向量；根据所述序列变换特征向量预测文本训练数据的标签预测结果；其中，所述标签预测结果包括预测标签和标签概率；对所述网址分类标签和所述标签预测结果进行对比，以确定所述网址分类模型的训练效果；其中，所述根据所述网址训练数据生成字符向量矩阵和词向量矩阵，包括：根据所述网址训练数据确定字符编码映射表和词编码映射表；对所述网址训练数据进行分字符处理和分词处理，得到分字符结果和分词结果；根据所述分字符结果和所述字符编码映射表生成所述字符向量矩阵；根据所述分词结果和所述词编码映射表生成所述词向量矩阵；其中，字符编码映射表是字符和字符对应的ID序列的映射关系表；词编码映射表是词和词对应的ID序列的映射关系表；根据字符编码映射表生成字符对应的ID序列，则字符s的映射u可以表示为：s→u＝u1,...,un；其中，ui表示对应字符的ID序列，n表示字符序列的长度；根据字符映射u和字符数量生成字符向量矩阵：其中，Wchar表示字符向量矩阵，m1表示字符的数量，k1表示字符向量的维度；根据词编码映射表生成词对应的ID序列，则词p的映射v可以表示为：p→v＝v1,...,vn；其中，vi表示对应词的ID序列，n表示词序列的长度；根据词映射v和词数量生成词向量矩阵：其中，Wword表示词向量矩阵，m2表示词的数量，k2表示词向量的维度。

全文数据：

权利要求：

百度查询： 恒安嘉新(北京)科技股份公司 网址分类模型训练、网址分类方法、装置、设备及介质