页面处理方法、装置、设备和存储介质与流程

1.本公开涉及计算机技术领域，具体涉及数据挖掘、网页搜索等技术领域，尤其涉及一种页面处理方法、装置、设备和存储介质。


背景技术：

2.互联网数据作弊的方式多种多样，桥页作弊是其中一种。桥页作弊是指从入口的a页面进入，自动转到目标的b页面，a页面可以称为入口页面，b页面可以称为目标页面。
3.相关技术中，一般是基于在入口页面的停留时间，识别是否对入口页面进行反作弊处理。


技术实现要素：

4.本公开提供了一种页面处理方法、装置、设备和存储介质。
5.根据本公开的一方面，提供了一种页面处理方法，包括：基于页面间的跳转状态，获取存在跳转关系的页面，所述存在跳转关系的页面包括目标页面；获取所述目标页面的页面质量信息；基于所述目标页面的页面质量信息，对所述存在跳转关系的页面中的至少一个页面进行反作弊处理。
6.根据本公开的另一方面，提供了一种页面处理装置，包括：第一获取模块，用于基于页面间的跳转状态，获取存在跳转关系的页面，所述存在跳转关系的页面包括目标页面；第二获取模块，用于获取所述目标页面的页面质量信息；处理模块，用于基于所述目标页面的页面质量信息，对所述存在跳转关系的页面中的至少一个页面进行反作弊处理。
7.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如上述任一方面的任一项所述的方法。
8.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，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
9.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，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
10.根据本公开的技术方案，可以提高页面处理的准确度。
11.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
12.附图用于更好地理解本方案，不构成对本公开的限定。其中：
13.图1是根据本公开第一实施例的示意图；
14.图2是根据本公开第二实施例的示意图；
15.图3是根据本公开第三实施例的示意图；
16.图4是根据本公开第四实施例的示意图；
17.图5是用来实现本公开实施例的页面处理方法中任一方法的电子设备的示意图。
具体实施方式
18.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和精神。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。
19.相关技术中，基于入口页面的停留时间进行相关反作弊处理，比如，若入口页面的停留时间小于预设值，则对入口页面进行反作弊处理。
20.但是，这种方式存在准确度不足的问题。
21.为了提高处理的准确度，本公开给出如下实施例。
22.图1是根据本公开第一实施例的示意图，本实施例提供一种页面处理方法，包括：
23.101、基于页面间的跳转状态，获取存在跳转关系的页面，所述存在跳转关系的页面包括目标页面。
24.102、获取所述目标页面的页面质量。
25.103、基于所述目标页面的页面质量，对所述存在跳转关系的页面中的至少一个页面进行反作弊处理。
26.随着互联网的发展，网页越来越多，为了吸引更多的用户，作弊者可以采用桥页的方式进行用户引流。
27.桥页通常是用软件自动生成大量包含关键词的网页，然后从这些网页(可以称为桥页)做自动转向到主页(可以称为目标页面)。目的是希望这些以不同关键词为目标的桥页在搜索引擎中得到好的排名。当用户点击搜索结果的时候，会自动转到主页。有的时候是在桥页上放上一个通往主页的链接，而不自动转向。
28.存在跳转关系的至少两个页面中，作为入口的页面可以称为入口页面，最终转向的页面可以称为目标页面。
29.可以理解的是，页面间的跳转关系不限于搜索引擎，还可以是用户主动访问的网页间存在跳转关系。
30.比如，如图2所示，用户进入页面a后，从页面a自动转向页面b，则页面a和页面b为存在跳转关系的页面，其中，页面a为入口页面，页面b为目标页面。
31.图2所示的跳转情况可以称为单级桥页。
32.图3为多级桥页的情况，如图3所示，用户进入页面a后，从页面a跳转到页面a1，再从页面a1跳转到页面a2，依此类推，跳转到页面an，最终从页面an跳转到页面b。则存在跳转关系的页面包括：页面a、页面a1，...，页面an，页面b，其中，页面a为入口页面，页面b为目标页面，页面a1～页面an可以称为中间页面。
33.页面间的跳转关系可以采用如下方式获取：
34.在搜索引擎收录页面时，对所述页面进行分析，以获取所述页面的跳转状态；和/
或，
35.从客户端的访问日志中，获取所述访问日志中记录的所述页面间的跳转状态。
36.其中，对于搜索引擎，可以主动收录一些页面，对于主动收录的页面，可以对收录的页面进行分析，比如，分析页面的源代码，页面的源代码中可以记录页面间的跳转状态。
37.另外，用户在使用客户端时，可以在客户端的访问日志中记录用户所访问的页面间的跳转状态。客户端比如为移动app、网页app(浏览器)等。
38.上述的跳转状态比如为urla
‑
>urlb，则可以获知页面a和页面b存在跳转关系。
39.进一步地，跳转状态不限于上述的一组，还可以为多组，可以对多组的跳转状态进行拼接，以获得多级跳转关系的页面。比如，一组跳转状态为urla
‑
>urla1，另一组跳转状态为urla1
‑
>urla2，依此类推，还有一组跳转状态为urlan
‑
>urlb，则可以建立urla
‑
>urla1
‑
>urla2
‑
>...
‑
>urlan
‑
>urlb这一跳转关系，进而获得存在跳转关系的页面包括：页面a、页面a1、...页面an、页面b。
40.通过在收录页面时获得页面间的跳转状态，和/或，从访问日志中获得页面间的跳转状态，可以获得更广泛的跳转状态，从而可以获得更多的存在跳转关系的页面，提高页面的召回率。
41.获取存在跳转关系的页面后，可以获取其中的目标页面的页面质量，在图2和图3所示的场景下，获取页面b的页面质量信息。
42.其中，页面质量信息可以具体为页面质量得分或者页面质量类别，可以预先对页面进行质量评估，以获得页面的页面质量得分或页面质量类别。存储页面的数据库中可以记录每个页面的页面质量信息，因此，可以从数据库中获取目标页面的页面质量信息。
43.页面质量得分可以具体为分值，比如0～100分之间的分值，页面质量类别比如可以将页面分为高质量页面和低质量页面，不同的页面质量类别可以用不同的标识信息进行区分，比如，用1表示该页面为高质量页面，用0表示该页面为低质量页面等。
44.页面质量得分或页面质量类别可以采用已有技术获得，比如，打分人员可以基于页面的专业度、权威度、信任度等多个维度对页面进行打分，页面的专业度、权威度、信任度越高，则对应的页面质量得分越高。对于页面质量类别来讲，专业度、权威度、信任度越高的页面可以划分为高质量页面。
45.获得目标页面的页面质量信息后，可以基于该页面质量信息，对上述的存在跳转关系的页面中的至少一个页面进行反作弊处理。
46.随着网络信息爆炸式的增长，搜索引擎成为人们首选的获取信息的主要途径。能否在搜索引擎的排名中占有比较靠前的位置，将在一定程度上决定网页的访问量。一些网站并不是通过提高网页质量来提高其在搜索引擎中的排名，而是根据搜索引擎自身的特点，采用欺骗手段来提高排名，这就是网页作弊。网页作弊中涉及的相关页面可以称为作弊页面，本实施例中，上述的低质量页面可以作为作弊页面。
47.而搜索引擎为了保证排名的公正性，也需要对作弊行为进行识别和处罚，这些处罚可以称为反作弊处理。通过从数据库中获得页面质量信息，可以简便快捷地获取页面质量信息。
48.一些实施例中，所述存在跳转关系的页面还包括入口页面，若基于所述页面质量信息确定所述目标页面为作弊页面，对第一剩余页面进行反作弊处理，所述第一剩余页面
为所述存在跳转关系的页面中除了所述入口页面之外的页面。
49.其中，页面质量信息为页面质量得分时，可以将页面质量得分小于预设值的页面作为作弊页面。或者，页面质量信息为页面质量类别时，则可以直接基于页面质量类别确定页面是否为作弊页面。
50.基于图2或图3的场景，目标页面为页面b，若页面b为作弊页面，基于图2所示的场景，对页面b进行反作弊处理(或称为处罚、惩罚、打压)；基于图3所示的场景，对页面a1～页面an以及页面b进行反作弊处理。
51.一般来讲，若目标页面为作弊页面，则表明目标页面本身为作弊页面的可能性很大，具体可以是通过对正常页面进行非法链接后进入到该目标页面，即，入口页面很可能是正常的非作弊页面，作弊者采用了非法手段将用户从正常页面链接到作弊页面。因此，此时对除了入口页面之外的剩余页面进行反作弊处理，可以提高准确度。
52.进一步地，若目标页面为作弊页面，也可以对入口页面进行反作弊处理。比如，基于图2或图3的场景，还可以对页面a进行反作弊处理。
53.进一步地，对页面a和其他页面(页面b，页面a1～页面an)可以采用不同程度的反作弊处理措施，页面a对应程度较低的反作弊处理措施。
54.比如，对页面进行反作弊处理时，按照程度从高到低的顺序，可以采用的反作弊处理措施包括：在数据库中删除对应的页面数据；不再收录对应页面的新的数据；不在搜索结果页的首页展现对应页面等。
55.因此，即使对页面a进行反作弊处理，可以设置为将页面a不在首页展现，而对于页面b，或者页面b和页面a1～页面an的反作弊处理措施可以为在数据库中删除对应的页面数据。
56.由于入口页面可能是正常页面，因此，采用较低程度的反作弊处理措施对入口页面进行反作弊处理，可以保证一定的平衡性。
57.一些实施例中，所述基于所述目标页面的页面质量信息，对所述存在跳转关系的页面中的至少一个页面进行反作弊处理，包括：若基于所述页面质量信息确定所述目标页面为非作弊页面，对第二剩余页面进行反作弊处理，所述第二剩余页面为所述存在跳转关系的页面中除了所述目标页面之外的页面。
58.其中，依然以图2或图3所示的示例为例，若页面b不是作弊页面，比如，页面b的页面质量得分大于预设值，或者，页面b的页面质量类别为高质量页面，则对除了页面b之外的其他页面进行反作弊处理。在图2中，对页面a进行反作弊处理，在图3中，对页面a，以及，页面a1～页面an进行反作弊处理。
59.由于目标页面为非作弊页面时，表明目标页面不是作弊页面，此时不对目标页面进行反作弊处理，可以避免对正常页面的反作弊处理。
60.进一步地，若第二剩余页面包括多个页面，则可以基于多个页面是否属于同一垂类进行不同的反作弊处理，所述多个页面属于同一垂类对应的反作弊处理程度，低于所述多个不属于同一垂类对应的反作弊处理程度。
61.垂类是指垂直领域，为限定群体提供特定服务。在本实施例中，垂类也可以称为主题。垂类比如包括：体育、娱乐、影视等。
62.以图3为例，如果页面a，以及，页面a1～页面an属于同一垂类，比如，都是关于体育
的页面，那么可以对页面a，以及，页面a1～页面an进行程度较低的反作弊处理。反之，如果页面a，以及，页面a1～页面an不属于同一垂类，比如，页面a关于体育，页面a1关于娱乐，页面a2关于影视等，此时，可以对页面a，以及，页面a1～页面an进行程度较高的反作弊处理。
63.由于页面在不同垂类之间跳转时，更符合作弊页面的实际情况，因此，对于多个不同垂类的页面跳转情况进行较高程度的反作弊处理，更符合实际情况，实现对作弊页面的更精准的反作弊处理。
64.本实施例中，通过基于目标页面的页面质量对存在跳转关系的页面中的至少一个页面进行反作弊处理，可以提高页面处理的准确度。
65.图4是根据本公开第四实施例的示意图，本实施例提供一种页面处理装置。如图4所示，该装置400包括：第一获取模块401、第二获取模块402和处理模块403。
66.第一获取模块401用于基于页面间的跳转状态，获取存在跳转关系的页面，所述存在跳转关系的页面包括目标页面；第二获取模块402用于获取所述目标页面的页面质量信息；处理模块403用于基于所述目标页面的页面质量信息，对所述存在跳转关系的页面中的至少一个页面进行反作弊处理。
67.一些实施例中，所述装置400还包括：第三获取模块，用于在搜索引擎收录页面时，对所述收录的页面进行分析，以获取所述页面间的跳转状态；和/或，从客户端的访问日志中，获取所述访问日志中记录的所述页面间的跳转状态。
68.一些实施例中，所述第二获取模块402具体用于：从数据库中获取所述目标页面的页面质量信息，所述数据库中预先记录页面与页面质量信息之间的对应关系。
69.一些实施例中，所述存在跳转关系的页面还包括入口页面，所述处理模块403具体用于：若基于所述页面质量信息确定所述目标页面为作弊页面，对第一剩余页面进行反作弊处理，所述第一剩余页面为所述存在跳转关系的页面中除了所述入口页面之外的页面。
70.一些实施例中，所述处理模块403还用于：若基于所述页面质量信息确定所述目标页面为作弊页面，对所述入口页面进行反作弊处理，且，所述入口页面对应的反作弊处理程度低于所述第一剩余页面对应的反作弊处理程度。
71.一些实施例中，所述处理模块403具体用于：若基于所述页面质量信息确定所述目标页面为非作弊页面，对第二剩余页面进行反作弊处理，所述第二剩余页面为所述存在跳转关系的页面中除了所述目标页面之外的页面。
72.一些实施例中，所述第二剩余页面包括多个页面，所述处理模块403进一步具体用于：基于所述多个页面是否属于同一垂类，对所述第二剩余页面进行不同的反作弊处理，其中，所述多个页面属于同一垂类对应的反作弊处理程度，低于所述多个页面不属于同一垂类对应的反作弊处理程度。
73.一些实施例中，所述处理模块具体用于：基于所述目标页面的页面质量信息，对所述存在跳转关系的页面中的至少一个页面进行如下项中的至少一项：在数据库中删除对应的页面数据；不再收录对应页面的新的数据；不在搜索结果页的首页展现对应页面。
74.本实施例中，通过基于目标页面的页面质量对存在跳转关系的页面中的至少一个页面进行反作弊处理，可以提高页面处理的准确度。
75.可以理解的是，本公开实施例中，不同实施例中的相同或相似内容可以相互参考。
76.可以理解的是，本公开实施例中的“第一”、“第二”等只是用于区分，不表示重要程
度高低、时序先后等。
77.根据本公开的实施例，本公开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。
78.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、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，个人数字助理、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。
79.如图5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
80.电子设备500中的多个部件连接至i/o接口505，包括：输入单元505，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500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。
81.计算单元501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501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501执行上文所描述的各个方法和处理，例如页面处理方法。例如，在一些实施例中，页面处理方法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508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可以执行上文描述的页面处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行页面处理方法。
82.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(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系统上执行和/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，可以从存储系统、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系统、该至少一个输入装置、和该至少一个输出装置。
83.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。
84.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系统、装置或设备使用或与指令执行系统、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、或半导体系统、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。
85.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，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。
86.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
87.计算机系统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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
88.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，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，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。
89.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。