一种基于深度学习融合文本和结构特征的网页分类方法

摘要

本发明提供一种基于深度学习融合文本和结构特征的网页分类方法，首先用爬虫获得网页的HTML(HyperText Markup Language)文档，提取标题、meta、超链接等关键文本信息，并将文本词汇转化为向量(word2vec)，表示文本特征；然后遍历HTML标签，并转化为向量，表示网页结构特征；最后将向量输入长短期记忆网络(LSTM)中，通过神经网络将异构的网页文本特征和网页结构特征融合起来训练模型，进行分类。该方法综合有区分度的特征更全面地表示网页，提高分类准确率。