本申請公開了一種不良信息網站的檢測方法，該方法基于統計學原理，首先利用非線性分類器根據網頁數據對待檢測網站進行初步分類，得到分類結果，以確定不良信息的信息類型；由于預先針對每種信息類型設置了對應的遞歸神經網絡模型，因此，進一步利用與上述分類結果相對應的遞歸神經網絡模型對待檢測網站進行二次分類，得到最終的檢測結果，從而實現在海量網頁中快速查找并且精準定位違法和不良信息網站的目的，有效提升檢測效率和檢測準確度，為網絡監管帶來極大便利。此外，本申請還提供了一種不良信息網站的檢測裝置、設備及可讀存儲介質，其技術效果與上述方法的技術效果相對應。

技術領域

本申請涉及計算機技術領域，特別涉及一種不良信息網站的檢測方法、裝置、設備及可讀存儲介質。

背景技術

隨著互聯網技術的不斷發展，搭建網站的成本越來越低、技術手段越來越簡單，各種各樣的網絡服務不斷涌出，不乏有博彩、色情、涉政、涉恐等違法和不良網絡服務出現，導致網絡監管壓力逐年上升。

目前，網絡監管治理對時效性和準確度要求越來越高，當前的檢測方案無法及時有效的完成對違法和不良信息的查找和定位，并且覆蓋面也不夠。例如，目前針對違法和不良信息的檢測方案大多都是基于網站文本的檢測，檢測到相關的文字描述或前后語句定位為違法和不良信息網站。這類檢測都是基于文本分析或詞庫配合語義分析，明確網頁內容。然而，基于關鍵字、詞或者語義分析也有很高的誤報率，通過內容匹配完成定位時，部分網站會被誤報為違法和不良信息網站，比如官方指導文件、事件通報發文等，對實際的互聯網治理造成了阻礙。

可見，針對違法和不良信息，當前的檢測方案雖然能夠做到部分檢測，但是檢測效率和檢測準確度不能滿足當下需求。因此，如何在海量網頁中根據網頁數據快讀定位違法和不良信息網站，是亟待本領域技術人員解決的問題。

發明內容

本申請的目的是提供一種不良信息網站的檢測方法、裝置、設備及可讀存儲介質，用以解決當前的檢測方案的檢測效率和檢測準確度較低的問題。其具體方案如下：

第一方面，本申請提供了一種不良信息網站的檢測方法，包括：

利用非線性分類器，對待檢測網站的網頁數據進行分類，得到分類結果，所述分類結果用于描述不良信息的信息類型；

根據與所述分類結果相對應的特征模板，從所述網頁數據中提取特征數據；

將所述特征數據輸入與所述分類結果相對應的遞歸神經網絡模型，得到所述待檢測網站的檢測結果。

優選的，所述利用非線性分類器，對待檢測網站的網頁數據進行分類，得到分類結果，包括：

對待檢測網站的網頁數據進行文本檢測和語義分析，得到關鍵字內容和上下文語境；

利用非線性分類器，根據所述關鍵字內容和所述上下文語境，得到分類結果。

優選的，所述利用非線性分類器，對待檢測網站的網頁數據進行分類，得到分類結果，包括：

利用基于稀疏貝葉斯算法的非線性分類器，對待檢測網站的網頁數據進行分類，得到分類結果。

優選的，在所述利用非線性分類器，對待檢測網站的網頁數據進行分類，得到分類結果之前，還包括：

利用爬蟲技術，獲取待檢測網站的網頁數據。

優選的，還包括：

根據不良信息的各種信息類型，分別創建對應的數據庫；

相應的，在所述利用非線性分類器，對待檢測網站的網頁數據進行分類，得到分類結果之后，還包括：

對所述網頁數據進行結構化處理，為處理后的網頁數據添加與所述分類結果相對應的類別標識，并存儲至與所述分類結果相對應的數據庫中。