CN113326418A - 用于确定网页信息源及网页质量的方法和装置 - Google Patents

Abstract

本公开提供了一种用于确定网页信息源及网页质量的方法和装置，涉及互联网技术领域，尤其涉及智能搜索、智能推荐技术。实现方案为：根据网页的地址或内容，确定该网页对应的多个信息源；以及将该网页的标识与上述多个信息源各自的标识关联存储。基于所确定的网页对应的多个信息源，进一步根据网页对应的多个信息源各自的质量来确定该网页的质量。利用本公开提供的方案，能够确定网页对应的多个信息源，从而全面表达网页的来源；并且能够从信息源的角度来评估网页的质量，实现对网页质量的准确评估。进而能够在搜索和推荐场景中优先将质量较高的网页呈现给用户，提高向用户提供的信息的质量。

Description

用于确定网页信息源及网页质量的方法和装置

技术领域

本公开涉及互联网技术领域，尤其涉及智能搜索、智能推荐技术，具体涉及一种用于确定网页信息源的方法及装置、用于确定网页质量的方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

互联网不断产生大量信息。互联网中的信息通过网页的形式呈现给用户，相应地，用户通过浏览网页来获取其需要的信息。通常地，用户期望从网页中获取高质量的信息，例如真实的、实时的、原创的信息等。低质量的信息，例如虚假的、过时的、抄袭的信息等，会大大降低用户体验。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种用于确定网页信息源的方法及装置、用于确定网页质量的方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种用于确定网页信息源的方法，包括：根据网页的地址或内容，确定网页对应的多个信息源；以及将该网页的标识与上述多个信息源各自的标识关联存储。

根据本公开的另一方面，提供了一种用于确定网页质量的方法，包括：获取网页对应的多个信息源各自的质量，上述多个信息源根据上述用于确定网页信息源的方法确定；以及根据上述多个信息源各自的质量，确定该网页的质量。

根据本公开的另一方面，提供了一种用于确定网页信息源的装置，包括：信息源确定模块，被配置为根据网页的地址或内容，确定网页对应的多个信息源；以及存储模块，被配置为将该网页的标识与上述多个信息源各自的标识关联存储。

根据本公开的另一方面，提供了一种用于确定网页质量的装置，包括：获取模块，被配置为获取网页对应的多个信息源各自的质量，上述多个信息源根据上述用于确定网页信息源的方法确定；以及质量确定模块，被配置为根据上述多个信息源各自的质量，确定该网页的质量。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器。该存储器存储有可被上述至少一个处理器执行的指令，该指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述用于确定网页信息源的方法和/或上述用于确定网页质量的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质。该计算机指令用于使计算机执行上述用于确定网页信息源的方法和/或上述用于确定网页质量的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序。该计算机程序在被处理器执行时实现上述用于确定网页信息源的方法和/或上述用于确定网页质量的方法。

根据本公开的一个或多个实施例，能够确定网页对应的多个信息源，全面表达网页的来源。并且，能够从信息源的角度来评估网页的质量，实现了对网页质量的准确评估。进而能够在搜索和推荐场景中优先将质量较高的网页呈现给用户，提高向用户提供的信息的质量，实现智能搜索和智能推荐。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开实施例的可以在其中实施本文描述的各种方法的示例性***的示意图；

图2示出了根据本公开实施例的用于确定网页信息源的方法的流程图；

图3示出了根据本公开实施例的示例性信息源的示意图；

图4示出了根据本公开实施例的用于确定网页质量的方法的流程图；

图5示出了根据本公开实施例的用于确定网页信息源的装置的结构框图；

图6示出了根据本公开实施例的用于确定网页质量的装置的结构框图；以及

图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开实施例的可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1，该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行用于确定网页信息源的方法和/或用于确定网页质量的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的***配置是可能的，其可以与***100不同。因此，图1是用于实施本文所描述的各种方法的***的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来浏览网页。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量、任何类型的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***，例如MICROSOFT Windows、APPLEiOS、类UNIX操作***、Linux或类Linux操作***(例如GOOGLE Chrome OS)；或包括各种移动操作***，例如MICROSOFT Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、Wi-Fi)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式***的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

***100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件***支持的常规存储库。

图1的***100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

为了本公开实施例的目的，在图1的示例中，客户端设备101、102、103、104、105和106中可以包括用于浏览网页的客户端应用，该客户端应用例如可以是浏览器，或者是包含WebView网页视图控件的应用等。

与客户端设备中的用于进行网页浏览的客户端应用相应地，服务器120可以是该客户端应用对应的服务器。服务器120中可以包括服务程序，该服务程序可以基于数据库130中已存储的网页资源(包括HTML文件、图片、音频、视频等)，向用户提供网页浏览服务。例如，用户可以在客户端应用中发起搜索请求，以搜索包含特定信息的网页(通常地，用户可以在客户端应用中输入搜索词，以搜索包含该搜索词的网页)。相应地，服务器120响应于该搜索请求进行网页搜索，得到包含用户期望搜索的特定信息的网页，并将这些网页返回给客户端应用以呈现给用户。

在一些情况中，服务程序中包括推荐***，推荐***能够向用户提供个性化推荐服务，根据用户的相关信息(例如属性信息、行为信息等)，从已存储的多个网页中确定包含用户可能感兴趣的信息的网页(即推荐网页)，并将所确定的多个推荐网页的部分或全部呈现给用户。与此相应地，用户可以通过客户端应用来浏览推荐***向其推荐的网页。

通常地，用户期望搜索得到的网页或推荐***向其推荐的网页为高质量的网页，即网页中包含高质量的信息，例如真实的、实时的、原创的信息等。低质量的网页，例如包含虚假的、错误的、过时的、抄袭的信息的网页，会大大降低用户体验。

不同网页的来源不同。下文中，将网页的来源记为网页的“信息源”。信息源的质量参差不齐。有些信息源产生的网页质量较高；有些信息源产生的网页质量较低；有些信息源则同时产生高质量和低质量的网页。信息源的质量会影响网页的质量，并且，同一个网页可能具有多种不同方面的信息源。例如，某一网页在存储位置方面，可以来源于一个站点(site，也可以称为网站、website)、一个主域(domain)、一个IP地址、一个信息平台(platform)等，即信息源可以是站点、主域、IP地址、平台等；在网页内容的发布者或运营者方面，可以来源于一个发布账号或ICP(Internet Content Provider，网络内容供应商)备案主体，即信息源可以是发布账号、备案主体等。相关技术中，通常仅以网页所在的站点作为其信息源，难以全面表达网页的源头，不便于从信息源的角度来准确评估以及灵活控制网页的质量。

为了准确评估网页的质量，以便在网页的搜索、推荐等场景中向用户提供高质量的网页，本公开的实施例提供了一种用于确定网页信息源的方案。该方案能够确定网页对应的多个信息源，全面表达网页的来源，从而便于从信息源的角度来评估以及控制网页的质量。基于所确定的网页的多个信息源，本公开的实施例进一步提供了一种用于确定网页质量的方案，该方案在评估网页质量时将网页对应的多个信息源纳入考虑，根据网页对应的多个信息源的质量来确定该网页的质量，实现了对网页质量的准确评估。

图2示出了根据本公开实施例的用于确定网页信息源的方法200的流程图。方法200可以在服务器(例如图1中所示的服务器120)处执行，也即，方法200的各个步骤的执行主体可以是图1中所示的服务器120。

如图2所示，方法200包括：

步骤210、根据网页的地址或内容，确定该网页对应的多个信息源；以及步骤220、将该网页的标识与上述多个信息源各自的标识关联存储。

根据本公开的实施例，能够确定网页对应的多个信息源，全面表达网页的来源，从而便于从信息源的角度来评估网页的质量，以及便于基于不同粒度的信息源来对网页质量进行不同力度的灵活控制。

例如，基于所确定的网页对应的多个信息源，可以进一步执行本公开实施例的用于确定网页质量的方法，根据网页对应的信息源的质量来确定网页的质量，实现网页质量的准确评估。并且，可以从信息源的角度对网页的质量进行控制，例如对质量较差的信息源下的网页进行展示打压，避免将其呈现给用户。

以下详细描述方法200的各个步骤。

在步骤210中，根据网页的地址或内容，确定该网页对应的多个信息源。

信息源包括多种类型。根据一些实施例，信息源包括位置源，位置源用于表示网页在存储位置方面的源头。位置源例如包括站点、主域、站点的IP地址、站点的重定向站点以及可获取该网页的平台中的至少一者。相应地，可以根据网页的地址，确定网页对应的至少一个位置源。网页的地址通常为网页的URL(Uniform Resource Locator，统一资源定位符)。

根据一些实施例，网页对应的站点可以根据网页的URL来确定。具体地，网页对应的站点为URL中的域名部分。例如，某网页的URL为https://mbd.***.com/newspage/data/landingsuper？context＝％7B％22nid％22％3A％22news_9901530270308438848％22％7D&n_type＝0&p_from＝1，其中，“https:”为协议部分；“mbd.***.com”为域名部分，即网页对应的站点；“/newspage/data/”为虚拟目录部分；“landingsuper”为文件名部分；“context＝％7B％22nid％22％3A％22news_9901530270308438848％22％7D&n_type＝0&p_from＝1”为参数部分，参数与参数之间用“&”作为分隔符。

根据一些实施例，网页对应的主域可以根据网页的URL来确定。具体地，网页对应的主域可以根据网页URL中的域名来确定。通常地，当域名中的顶级域名(Top-LevelDomains，TLDs)为通用顶级域名(generic Top-Level Domains，gTLDs)，例如.com，.net，.org等时，主域为二级域名；当域名中的顶级域名为国家顶级域名(country code Top-Level Domains，ccTLDs)，例如.cn，.us，.jp等时，主域为三级域名。

例如，网页的URL为https://aaa.bbb.ccc.ddd.com/eee，则主域为其中的二级域名，即ddd.com；网页的URL为https://aaa.bbb.ccc.ddd.com.cn/eee，则主域为其中的三级域名，即ddd.com.cn。

根据一些实施例，网页对应的站点的IP地址可以通过DNS(Domain Name System，域名***)来确定。DNS将域名和IP地址相互映射，可以确定站点的域名所对应的IP地址。可以理解的，不同的站点可以对应相同的IP地址。在某一特定时刻，站点仅对应一个IP地址。随着时间的变化，站点对应的IP地址也可能发生变化。

根据一些实施例，网页对应的站点可能发生重定向(redirect)。即，当访问某一站点的首页时，会跳转至其他站点。从一个站点(站点A)跳转到的站点(站点B)即为该站点(站点A)的重定向站点。可以理解的，不同的站点可以重定向到相同的站点，即具有相同的重定向站点。并且，同一个站点的重定向站点可能随着时间变化，即同一个站点不同时间对应的重定向站点可能不同。

根据一些实施例，网页对应的平台可以获取该网页，并将该网页呈现给用户。

根据一些实施例，信息源还包括生产源，生产源用于表示网页在生产主体方面的源头，其例如包括网页对应的主域的备案主体、网页内容的发布账号等。根据一些实施例，可以根据网页的地址或内容，确定网页对应的至少一个生产源。

具体地，在生产源为网页对应的主域的备案主体的情况下，可以根据网页的地址，确定网页对应的主域；以及通过查询该主域的ICP备案信息来确定备案主体。备案主体可以是公司，也可以是个人。

在生产源为网页内容的发布账号的情况下，可以通过解析网页的源代码来确定发布账号。例如，可以从网页的源代码中解析出发布账号对应的字段，例如AuthorName、Media等，并获取该字段的值，作为发布账号。

图3示出了根据本公开实施例的由多个信息源所组成的信息源集合300的示意图。如图3所示，网页A的信息源集合300包括站点302、主域304、站点IP地址306、重定向站点308、平台310、备案主体312和发布账号314。其中，站点302、主域304、站点IP地址306、重定向站点308、平台310为网页A的位置源，可以根据网页A的URL来确定；备案主体312和发布账号314为站点A的生产源，其中，备案主体312可以通过查询主域304的ICP备案信息来确定，发布账号314可以通过解析网页内容(源代码)来确定。

在通过步骤210确定网页对应的多个信息源后，可以执行步骤220，将网页的标识与多个信息源各自的标识关联存储。

可以理解的，将网页的标识与多个信息源各自的标识关联存储有多种实施方式。根据一些实施例，可以将网页的标识分别与每个信息源的标识关联存储，得到多条数据记录。例如，网页webPage1对应于4个信息源informationSource1-4，则可以得到webPage1-informationSource1，webPage1-informationSource2，webPage1-informationSource3，webPage1-informationSource4四条数据记录。

根据另一些实施例，可以将网页的标识与各信息源的标识一并关联存储，得到一条数据记录，例如，网页webPage1对应于4个信息源informationSource1-4，则可以得到webPage1-informationSource1-informationSource2-informationSource3-informationSource4一条数据记录。

根据一些实施例，网页的标识通常为网页的URI(Uniform Resource Identifier，统一资源标识符)。可以理解的，URL是URI的一种，相应地，网页的标识可以是网页的URL，即网页的地址。

不同信息源的标识不同。例如，站点的标识可以是站点的域名，主域的标识可以是主域的域名，站点的IP地址的标识即为该IP地址本身，重定向站点的标识可以是重定向站点的域名，平台的标识可以是平台的名称，备案主体的标识可以是备案主体的名称、统一社会信用代码(当备案主体为公司时)、身份证号(当备案主体为个人时)等，发布账号的标识可以是该发布账号本身。

根据一些实施例，方法200还包括：根据已存储的多组网页的标识与多个信息源各自的标识的关联关系，确定多个信息源各自对应的至少一个网页；以及对于上述多个信息源中的每个信息源，将该信息源的标识与其对应的至少一个网页各自的标识关联存储。基于该实施例，可以确定每个信息源对应的网页列表，以便于对某个信息源下的网页进行统一管理。

例如，对步骤210中得出的各网页对应的信息源进行分类汇总，得到各信息源对应的网页列表，如下所示：

{site:urllist}

{domain:urllist}

{site_ip:urllist}

{site_redirect:urllist}

{platform:urllist}

{entity_info:urllist}

{account:urllist}

其中，site、domain、site_ip、site_redirect、platform、entity_info、account分别表示站点、主域、站点的IP地址、站点的重定向站点、平台、备案主体、发布账号信息源。urllist为各信息源对应的网页的标识(即URL)列表。

基于根据上述方法200所确定的网页对应的多个信息源，本公开实施例还提供一种用于确定网页质量的方法400，能够根据网页对应的多个信息源的质量来确定该网页的质量。

图4示出了根据本公开实施例的用于确定网页质量的方法400的流程图。方法400可以在服务器(例如图1中所示的服务器120)处执行，也即，方法400的各个步骤的执行主体可以是图1中所示的服务器120。

如图4所示，方法400包括：

步骤410、获取网页对应的多个信息源各自的质量，上述多个信息源根据用于确定网页信息源的方法确定；以及步骤420、根据上述多个信息源各自的质量，确定该网页的质量。

根据本公开的实施例，能够根据网页对应的多个信息源的质量来确定该网页的质量，提高了网页质量评估的准确性。

以下详细描述方法400的各个步骤。

根据一些实施例，在步骤410中，信息源的质量根据该信息源对应的各网页的内容质量来确定。具体地，信息源的质量可以是该信息源对应的各网页的内容质量的平均值，或者是该信息源对应的各网页的内容质量的加权和，等等。

网页的内容质量例如可以根据网页内容的丰富程度、排版情况、时效性、原创性等因素来确定，本公开不限制网页的内容质量的具体确定方法。可以理解的，为了避免循环计算，在确定网页的内容质量时，对信息源因素不作考虑。

在步骤410中，根据网页对应的多个信息源各自的质量，确定该网页的质量。

网页的质量有多种确定方式。

根据一些实施例，网页的质量为该网页对应的多个信息源各自的质量的加权和。即，网页的质量可以按照以下公式1计算：

其中，url_score为网页的质量，w_i为第i个信息源的权重，source_i_score为第i个信息源的质量，n为信息源的数量。

根据另一些实施例，网页的质量为该网页对应的多个信息源各自的质量的加权和的映射值。可以采用任意映射函数来计算加权和的映射值。例如，映射函数可以是sigmoid函数，即，网页的质量可以按照以下公式2计算：

其中，url_score为网页的质量，w_i为第i个信息源的权重，source_i_score为第i个信息源的质量，n为信息源的数量。

应当理解，除上述实施例之外，还可以采用其他方式来根据信息源的质量计算网页的质量。本公开对网页质量的具体计算方式不作限制。

基于方法400所确定的网页的质量，可以进行搜索和推荐的优化。例如，可以根据网页的质量，对用户搜索得到的多个网页或者向用户推荐的多个网页进行排序，将质量较高的网页优先呈现给用户，质量较低的网页则后呈现或不呈现，从而提高用户获取信息的效率以及提高用户体验。

图5示出了根据本公开的实施例的用于确定网页信息源的装置500的结构框图。如图5所示，装置500包括：

信息源确定模块510，被配置为根据网页的地址或内容，确定网页对应的多个信息源；以及

存储模块520，被配置为将该网页的标识与上述多个信息源各自的标识关联存储。

根据本公开的实施例，能够确定网页对应的多个信息源，全面表达网页的来源，从而便于从信息源的角度来评估网页的质量，以及便于基于不同粒度的信息源来对网页质量进行不同力度的灵活控制。

图6示出了根据本公开的实施例的用于确定网页质量的装置600的结构框图。如图6所示，装置600包括：

获取模块610，被配置为获取网页对应的多个信息源各自的质量，上述多个信息源根据上述用于确定网页信息源的方法确定；以及

质量确定模块620，被配置为根据上述多个信息源各自的质量，确定该网页的质量。

根据本公开的实施例，能够根据网页对应的多个信息源的质量来确定该网页的质量，提高了网页质量评估的准确性。

应当理解，图5中所示装置500的各个模块可以与参考图2描述的方法200中的各个步骤相对应，并且图6中所示装置600的各个模块可以与参考图4描述的方法400中的各个步骤相对应。由此，上面针对方法200描述的操作、特征和优点同样适用于装置500及其包括的模块，上面针对方法400描述的操作、特征和优点同样适用于装置600及其包括的模块。为了简洁起见，某些操作、特征和优点在此不再赘述。

虽然上面参考特定模块讨论了特定功能，但是应当注意，本文讨论的各个模块的功能可以分为多个模块，和/或多个模块的至少一些功能可以组合成单个模块。例如，上面描述的信息源确定模块510和存储模块520在一些实施例中可以组合成单个模块。

还应当理解，本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图5、图6描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如，这些模块可以被实现为计算机程序代码/指令，该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地，这些模块可以被实现为硬件逻辑/电路。例如，在一些实施例中，信息源确定模块510、存储模块520、获取模块610、质量确定模块620中的一个或多个可以一起被实现在片上***(System on Chip,SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如，中央处理单元(CentralProcessing Unit,CPU)、微控制器、微处理器、数字信号处理器(Digital SignalProcessor,DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件)，并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图7，现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向设备700输入信息的任何类型的设备，输入单元706可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙^TM设备、1302.11设备、Wi-Fi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如上文描述的方法200和/或方法400。例如，在一些实施例中，方法200、方法400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的方法200和/或方法400的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200和/或方法400。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、***和设备仅仅是示例性的实施例或示例，本公开的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (17)

1.一种用于确定网页信息源的方法，包括：

根据网页的地址或内容，确定所述网页对应的多个信息源；以及

将所述网页的标识与所述多个信息源各自的标识关联存储。

2.根据权利要求1所述的方法，其中，所述信息源包括位置源，并且

其中，根据网页的地址或内容，确定所述网页对应的多个信息源包括：根据所述网页的地址，确定所述网页对应的至少一个位置源。

3.根据权利要求2所述的方法，其中，所述位置源包括站点、主域、所述站点的IP地址、所述站点的重定向站点以及可获取所述网页的平台中的至少一者。

4.根据权利要求1-3中任一项所述的方法，其中，所述信息源包括生产源，并且

其中，根据网页的地址或内容，确定所述网页对应的多个信息源包括：根据所述网页的地址或内容，确定所述网页对应的至少一个生产源。

5.根据权利要求4所述的方法，其中，所述生产源包括所述网页对应的主域的备案主体，并且

其中，根据所述地址或所述网页的内容，确定所述网页对应的至少一个生产源包括：

根据所述地址，确定所述网页对应的主域；以及

通过查询所述主域的备案信息来确定所述备案主体。

6.根据权利要求4或5所述的方法，其中，所述生产源包括所述内容的发布账号，并且

其中，根据所述地址或所述网页的内容，确定所述网页对应的至少一个生产源包括：通过解析所述网页的源代码来确定所述发布账号。

7.根据权利要求1-6中任一项所述的方法，还包括：

根据已存储的多组网页的标识与多个信息源各自的标识的关联关系，确定所述多个信息源各自对应的至少一个网页；以及

对于所述多个信息源中的每个信息源，将该信息源的标识与其对应的至少一个网页各自的标识关联存储。

8.根据权利要求1-7中任一项所述的方法，其中，所述网页的标识为所述网页的地址。

9.一种用于确定网页质量的方法，包括：

获取网页对应的多个信息源各自的质量，所述多个信息源根据如权利要求1-8中任一项所述的方法确定；以及

根据所述多个信息源各自的质量，确定所述网页的质量。

10.根据权利要求9所述的方法，其中，所述网页的质量为所述多个信息源各自的质量的加权和。

11.根据权利要求9所述的方法，其中，所述网页的质量为所述多个信息源各自的质量的加权和的映射值。

12.根据权利要求9-11中任一项所述的方法，其中，所述信息源的质量根据所述信息源对应的各网页的内容质量来确定。

13.一种用于确定网页信息源的装置，包括：

信息源确定模块，被配置为根据网页的地址或内容，确定所述网页对应的多个信息源；以及

存储模块，被配置为将所述网页的标识与所述多个信息源各自的标识关联存储。

14.一种用于确定网页质量的装置，包括：

获取模块，被配置为获取网页对应的多个信息源各自的质量，所述多个信息源根据如权利要求1-8中任一项所述的方法确定；以及

质量确定模块，被配置为根据所述多个信息源各自的质量，确定所述网页的质量。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-12中任一项所述的方法。

Images