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：鹏城实验室

摘要：本发明公开了一种域名分类方法、设备及计算机可读存储介质，所述域名分类方法通过直接提取待分类域名的页面标签特征来作为模型的输入，从而减少了特征工程的复杂性；通过预先在模型中定义具有层次结构的域名类别体系，使得能够基于此挖掘待分类域名所属域名类型之间的层次依赖关系，使得此层次依赖关系能够得到利用；通过在模型中添加递归正则化方法，使得层次依赖关系能够融入到模型参数的正则化结构中；通过利用层级依赖关系与正则化的递归结构进行模型参数估计，使得层次中临近域名类型的参数相似，有助于在估计模型参数时利用域名层次中相近类型的信息，从而提高了域名分类方法的准确度。

主权项：1.一种域名分类方法，其特征在于，所述域名分类方法包括：爬取指定网站中的域名分页列表，遍历所述域名分页列表中每一域名分页获取样本域名地址、样本域名类型与样本域名描述信息，以作为域名样本信息；根据所述样本域名地址与所述样本域名类型，将域名类型划分为大类与亚类两个层次，以定义域名类别体系；根据所述域名类别体系将所述域名样本信息构建为域名分类数据集，并基于神经网络模型架构对所述域名分类数据集进行训练，得到目标域名分类模型；获取待分类域名，提取所述待分类域名的页面标签特征；将所述页面标签特征输入预训练的具有递归正则化功能的目标域名分类模型，其中，所述目标域名分类模型中已定义具有层次结构的域名类别体系；使用所述目标域名分类模型中的凸损失函数，对所述页面标签特征相关的若干域名功能类型在所述域名类别体系上进行层次分类，得到多个域名功能类型之间的层次依赖关系；基于所述目标域名分类模型中的递归正则化方式，将所述层次依赖关系融入模型参数的正则化结构中，并基于所述目标域名分类模型中的凸损失函数、调节参数以及所述正则化结构进行模型参数估计，以基于模型参数估计后的域名分类模型得到所述待分类域名的目标分类标签；其中，所述基于所述目标域名分类模型中的凸损失函数、调节参数以及所述正则化结构进行模型参数估计包括：利用如下公式对模型参数进行估计： 其中，表示估计后的模型参数，Remp表示域名功能类型在域名分类数据集上的经验风险或损失，λw表示正则化项，C为调节拟合训练实例与分层多标签分类模型的复杂性的参数，即调节参数，L为凸损失函数，wn为域名功能类型n对应的参数向量，M表示训练样本集合，即域名分类数据集，yin为样本i的真实标签，xi表示样本i的预测标签。

全文数据：

权利要求：

百度查询： 鹏城实验室 域名分类方法、设备及计算机可读存储介质