(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210614028.9 (22)申请日 2022.05.31 (71)申请人 国家计算机网络与信息安全管理中 心 地址 100029 北京市朝阳区裕民路甲3号 (72)发明人 张露晨　杨菁林　吴震　张林波　 王飞　唐积强　李焱余　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 韩来兵 (51)Int.Cl. G06F 16/906(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 网站分类方法、 装置、 分类设备及存 储介质 (57)摘要 本发明实施例涉及一种网站分类方法、 装 置、 分类设备及存储介质， 所述方法包括： 在提取 网站中的文本信息时， 对所述文本信息进行预处 理， 获得文本数据集； 在提取网站中的图像信息 时， 对所述图像信息进行预处理， 获得图像数据 集； 对所述文本数据集进行特征提取， 获得文本 特征向量； 对所述图像数据集进行特征提取， 获 得图像特征向量； 基于Bert ‑ResNet融合模型对 获取的所述文本特征向量和所述图像特征向量 进行信息融合， 得到相应的融合结果， 所述融合 结果表征所述网站的分类结果； 通过将文本信息 和图像信息在Bert ‑ResNet融合模型中进行融合 处理， 实现文本信息和图像信息互补的多模态网 站分类处理， 提高网站分类的准确率的技术效 果。 权利要求书2页 说明书15页 附图4页 CN 115374325 A 2022.11.22 CN 115374325 A 1.一种网站分类方法， 其特 征在于， 包括： 在提取网站中的文本信息时， 对所述文本信息进行 预处理， 获得文本数据集； 在提取网站中的图像信息时， 对所述图像信息进行 预处理， 获得图像数据集； 对所述文本数据集进行 特征提取， 获得文本特 征向量； 对所述图像数据集进行 特征提取， 获得图像特 征向量； 基于Bert‑ResNet融合模型对获取的所述文本特征向量和所述图像特征向量进行信息 融合， 得到相应的融合结果， 所述融合结果表征 所述网站的分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述文本信息进行预处理， 得到文本数据 集， 包括： 利用Beautiful  Soup工具和正则表达式规则， 对所述网站中的HTML内容进行提取， 得 到预设的标签数据集； 基于所述标签数据集的内容， 进行文本集成， 获得文本数据集。 3.根据权利要求1所述的方法， 其特征在于， 所述相应的对所述图像信息进行预处理， 得到图像数据集， 包括： 基于所述网站中的图像信息， 进行图像过 滤处理， 获得准目标图像信息； 基于所述 准目标图像信息进行格式归一 化处理， 获得目标图像信息； 对所述目标图像信息进行图像增强处 理， 获得图像数据集。 4.根据权利要求1所述的方法， 其特征在于， 所述文本数据集进行特征提取， 获得文本 特征向量， 包括： 对所述文本数据集进行 数据清洗处 理； 将经过数据清洗处理后的文本数据集分解为预设个数Token的长文本训练数据， 所述 Token为文本数据集的分解单位； 基于Bert模型对输入的所述长文本训练数据中的每一个Token内容进行拆分， 以使每 一个Token分解成三部分， 所述三部分包括Token词嵌入部分、 Segment段嵌入部分和 Position位置嵌入部分； 将分解后的所述长文本训练数据的头部和尾部添加头部标识符和尾部标识符， 所述头 部标识符用于输出Bert模 型的训练向量， 所述尾部标识符用于表明Bert模 型的输入位置的 结尾； 通过多个Transformer层的模型训练， 提取到双向上下文信息的文本特征向量组， 所述 文本特征向量组由预设个数To ken向量组成； 经过Bert模型对所述长文本训练数据的不断训练， 得到表征长文本训练数据的语义信 息对应的准文本特 征向量； 将所述准文本特征向量作为文本特征向量组 的头部标识符 向量， 进而获得对应的文本 特征向量； 将所述文本特 征向量作为Ber t模型的输出向量输出。 5.根据权利要求1所述的方法， 其特征在于， 所述图像数据集进行特征提取， 获得图像 特征向量， 包括： 将公开图像数据集输入到残差神经网络模型中进启动模型 预训练； 通过所述公开图像数据集对所述残差神经网络模型进行参数调整， 得到预训练 的残差权　利　要　求　书 1/2 页 2 CN 115374325 A 2神经网络模型； 通过对所述预训练的残差神经网络模型不断的模型训练， 获得稳定的残差神经网络模 型； 基于所述稳定的残差神经网络模型输入所述图像数据集， 进行模型训练， 得到相应的 图像训练权 重； 根据所述图像训练权重， 进行残差神经网络模型内部的CNN卷积网络处理， 获得最优图 像特征向量； 对所述最优图像特 征向量进行全局最大池化层处 理， 获得图像特 征向量； 将所述图像特 征向量作为所述残差神经网络模型的输出向量输出。 6.根据权利要求1所述的方法， 其特征在于， 基于Bert ‑ResNet融合模型对获取的所述 文本特征向量和所述图像特征向量进行信息融合， 得到相应的融合特征向量， 所述融合特 征向量表征 所述网站的分类结果， 包括： 将所述文本特征向量与所述图像特征向量进行Concatenate连接， 获得相应的准融合 向量； 基于Dense层， 并通过Dropout层对所述准融合特征向量进行过拟合处理， 得到融合特 征向量； 对所述融合特 征向量进行Softmax函数计算， 获得对应的网站类别的预测结果； 将所述预测结果与预 先设定的分类阈值比对， 获得网站分类结果。 7.一种网站分类装置， 其特 征在于， 包括： 预处理模块， 用于在提取网站中的文本信 息时， 对所述文本信 息进行预处理， 获得文本 数据集； 预处理模块， 还用于在提取网站中的图像信 息时， 对所述图像信 息进行预处理， 获得图 像数据集； 文本提取模块， 用于对所述文本数据集进行 特征提取， 获得文本特 征向量； 图像提取模块， 用于对所述图像数据集进行 特征提取， 获得图像特 征向量； 融合模块， 用于基于Bert ‑ResNet融合模型对获取的所述文本特征向量和所述图像特 征向量进行信息融合， 得到相应的融合结果， 所述融合结果表征 所述网站的分类结果。 8.一种分类设备， 其特征在于， 所述分类设备包括： 处理器和存储器， 所述处理器用于 执行所述存储器中存储的网站分类的控制程序， 以实现权利要求 1～6中任一项 所述的网站 分类方法。 9.一种存储介质， 其特征在于， 所述存储介质存储有一个或者多个程序， 所述一个或者 多个程序可被一个或者多个处理器执行， 以实现权利要求 1～6中任一项 所述的网站分类方 法。权　利　要　求　书 2/2 页 3 CN 115374325 A 3