(19)中华 人民共和国 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 202111620740.1 (22)申请日 2021.12.28 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融街31号 (72)发明人 孙道伟　郭晓康　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 代理人 潘雪 (51)Int.Cl. H04L 9/40(2022.01) H04L 67/02(2022.01) H04L 9/06(2006.01) G06F 40/289(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种CMS识别方法及装置 (57)摘要 一种CMS识别方法及装置， 通过预先训练好 的识别模型， 对待识别网页的CMS类别进行识别， 有助于提高识别准确性。 在本申请中， 方法包括： 获取待识别源码， 待识别源码是待识别CMS类别 的网页中的源码； 对待识别源码进行可视化处 理， 得到待识别图片； 将待识别图片输入至识别 模型中， 以得到CMS类别； 其中， 识别模型中包括 CNN层和LS TM层， CNN层用于提取待识别图片中的 特征， 并将提取到的特征输入至LSTM层中， LSTM 层用于输出CMS类别。 权利要求书2页 说明书9页 附图6页 CN 114422199 A 2022.04.29 CN 114422199 A 1.一种内容管理系统C MS识别方法， 其特 征在于， 包括： 获取待识别源码， 所述待识别源码是待识别C MS类别的网页中的源码； 对所述待识别源码进行 可视化处 理， 得到待识别图片； 将所述待识别图片输入至识别模型中， 以得到所述C MS类别； 其中， 所述识别模型中包括卷积神经网络CNN层和长短期记忆LSTM层， 所述CNN层用于 提取所述待识别图片中的特征， 并将提取到的特征输入至所述LSTM层中， 所述LSTM层用于 输出所述CMS类别。 2.如权利要求1所述的方法， 其特 征在于， 所述获取待识别源码， 包括： 从所述待识别CMS类别的网页中获取网页源码， 对所述网页源码进行数据清洗， 以得到 所述待识别源码， 所述待识别源码用于指示所述网页中的自然语言部分。 3.如权利要求1所述的方法， 其特征在于， 所述对所述待识别源码进行可视化处理， 得 到待识别图片， 包括： 对所述待识别源码进行分词处 理， 得到N个分词， N 为大于或等于2的整数； 对所述N个分词进行向量化处理， 得到所述N个分词对应的N个分词向量， 其中一个分词 向量中包括有M个元 素， M为大于或等于2的整数； 根据所述N个分词向量中、 每个分词向量的第i个元素， 确定特征向量的所述第i个元素 的取值， 从而得到所述特 征向量， i取遍[1,M]中的整数； 将所述特 征向量转化为所述待识别图片。 4.如权利要求3所述的方法， 其特征在于， 所述根据 所述N个分词向量中、 每个分词向量 的第i个元 素， 确定特 征向量的所述第i个元 素的取值， 包括： 获取所述N个分词向量中、 每个分词向量的第i个元素的取值， 统计取值为0的第i个元 素的数量， 以及取值 为1的第i个元 素的数量； 在所述取值为0的第i个元素的数量， 大于所述取值为1的第i个元素的数量的情况下， 设置所述特 征向量的第i个元 素的取值 为0； 和/或， 在所述取值为1的第i个元素的数量， 不大于所述取值为0的第i个元素的数量的情况 下， 设置所述特 征向量的第i个元 素的取值 为1。 5.如权利要求3所述的方法， 其特征在于， 所述特征向量中每个元素对应于所述待识别 图片中的一个 像素点； 所述将所述特 征向量转化为所述待识别图片， 包括： 根据所述特征向量中每个元素的取值， 确定每个元素对应的像素点在红、 绿、 蓝三个颜 色通道中的取值， 从而得到所述待识别图片； 其中， 在元素取值为0时， 所述元素对应的像素点在红、 绿、 蓝三个颜色通道中的取值为 (255,255,255)； 在元素取值为1时， 所述元素对应的像素点在红、 绿、 蓝三个颜色通道中的取值为(0,0, 0)。 6.如权利要求3所述的方法， 其特征在于， 在所述M为非平方数的情况下， 所述待识别图 片为非标准图片， 所述非标准图片的形状为非正方 形， 所述方法还 包括： 通过最邻近元法， 将所述待识别图片转 化为标准图片， 所述标准图片的形状为 正方形。 7.如权利要求1所述的方法， 其特 征在于， 所述C MS类别包括系统名称和系统版本 。 8.如权利要求1至7任一项所述的方法， 其特 征在于， 还 包括：权　利　要　求　书 1/2 页 2 CN 114422199 A 2在本地部署C MS系统， 通过爬虫工具获取 所述CMS系统对应的标准源码； 对所述标准源码标注所述标准源码对应的C MS类别， 得到所述C MS系统的样本数据； 根据所述样本数据进行模型训练， 得到所述识别模型。 9.一种内容管理系统CMS识别装置， 其特征在于， 包括用于执行如权利要求1至8中的任 一项所述方法的模块。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 程序或指令， 当所述计算机程序或指令被计算设备执行时， 实现如权利要求1至8中任一项 所述的方法。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序或指令， 当所述计算机程序或指令被 计算设备 执行时， 实现如权利要求1至8中任一项所述的方法。 12.一种计算设备， 其特征在于， 包括处理器， 所述处理器与存储器相连， 所述存储器用 于存储计算机程序， 所述处理器用于执行所述存储器中存储的计算机程序， 以使得所述计 算设备执行如权利要求1至8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114422199 A 3