网页分类标准获取方法、装置及网页分类方法、装置制造方法
【专利摘要】本发明公开了一种网页分类标准获取方法、装置及网页分类方法、装置，通过提取样本网页的标签内容，从各标签内容中提取标准特征词，进而基于标签内容中提取的标准特征词得到标准分类和标准特征词的标准比重列表，也即网页分类的标准，进而基于该标准对待分类网页进行分类；由于本发明中的标准特征词都是从各网页的标签内容中提取的，其代表性比从网页正文提出的关键词的代表性更好，因此基于该标准的得到的网页分类也更准确，能很好的提高将用户访问网页进行归类的效果。
【专利说明】网页分类标准获取方法、装置及网页分类方法、装置
【技术领域】
[0001] 本发明涉及通信领域，具体涉及一种网页分类标准获取方法、装置及网页分类方 法、装置。
【背景技术】
[0002] 对各种网页进行分类，以此来对用户访问网页的记录进行分析，从而得出用户的 上网偏好，可以进一步给用户提供基于该偏好的互联网服务，优化用户体验的满意度。目前 已存在许多网页分类的方法，这些方法都是从网页里面的正文提取关键词，然后对关键词 建立算法模型，从而得到分类器（即网页的分类标准)，并以此分类器对未知类别网页进行 分类。现有的这些网页分类方法都存在以下技术问题：
[0003] 现有的网页分类都是从网页正文提取关键词，由于网页正文存在着大量的噪音信 息，提取出来的关键字代表性不足，会在较大程度上降低网页分类的准确性。
【发明内容】
[0004] 本发明要解决的主要技术问题是，提供一种网页分类标准获取方法、装置及网页 分类方法、装置，解决现有网页分类从网页正文提取关键词导致分类准确性低的问题。
[0005] 为解决上述技术问题，本发明提供一种网页分类标准获取方法，其特征在于包 括：
[0006] 获取各标准分类的样本网页；
[0007] 提取各样本网页的标签内容；
[0008] 从提取的标签内容中确定标准特征词；
[0009] 根据各标准特征词在各标签内容中出现的次数确定各标准特征词在各标准分类 中出现的次数；
[0010] 根据各标准特征词在各标准分类中出现的次数确定各标准特征词在各标准分类 中的比重值，得到标准分类和标准特征词的标准比重列表。
[0011] 在本发明的一种实施例中，所述标签包括标题标签、关键字标签、描述标签和重要 文本标签中的至少一个。
[0012] 在本发明的一种实施例中，从提取的标签内容中确定标准特征词包括：
[0013] 对提取的标签内容进行分词处理得到标准特征词。
[0014] 在本发明的一种实施例中，根据各标准特征词在各标准分类中出现的次数确定各 标准特征词在各标准分类中的比重值包括：
[0015] 用各标准特征词在各标准分类中出现次数组成向量空间；
[0016] 利用统计算法得到各标准特征词在各标准分类中的比重值。
[0017] 在本发明的一种实施例中，根据各标准特征词在各标准分类中出现的次数得到各 标准特征词在各标准分类中的比重值之后，还包括：
[0018] 判断是否存在某一标准特征词在各分类中的比重值相近；如存在，则将该标准特 征词从所述标准比重列表中删除。
[0019] 为了解决上述问题，本发明还提供了一种网页分类方法，包括：
[0020] 提取待分类网页的标签内容；
[0021] 根据如上得到的标准比重列表中的标准特征词从所述标签内容中提取对应的特 征词；
[0022] 根据各特征词在各标签内容中出现的次数确定各特征词在所述待分类网页中出 现的次数；
[0023] 根据所述特征词在所述待分类网页中出现的次数和所述标准比重列表确定所述 待分类网页所属的标准分类。
[0024] 在本发明的一种实施例中，根据所述标准比重列表中的标准特征词从所述标签内 容中提取对应的特征词为：从所述标签内容中提取与所述标准特征词相同的词作为特征 词；或从所述标签内容中提取与所述标准特征词相同和相近的词作为特征词，当存在与所 述标准特征词相近的词时，以所述标准特征词表征。
[0025] 在本发明的一种实施例中，根据各特征词在各标签内容中出现的次数确定各特征 词在所述待分类网页中出现的次数包括：
[0026] 将某一特征词在各标签内容中出现的次数相加，得到该特征词在该待分类网页中 的次数；
[0027] 或
[0028] 为各标签内容设定对应的加权值；
[0029] 将某一特征词在各标签内容中出现的次数与各标签内容对应的加权值相乘后再 相加，得到该特征词在该待分类网页中的次数。
[0030] 在本发明的一种实施例中，根据所述特征词在所述待分类网页中出现的次数和所 述标准比重列表确定所述待分类网页所属的标准分类包括：
[0031] 当所述待分类网页仅有一个特征词时，将该特征词在该待分类网页中出现的次数 与该特征词在各标准分类中的比重值相乘得到在各标准分类中的分值；取最大分值对应的 标准分类作为所述待分类网页的类型；
[0032] 当所述待分类网页有至少两个特征词时，依次将各特征词在该待分类网页中出现 的次数与该特征词在各标准分类中的比重值相乘得到各特征词在各标准分类中的分值，在 得到的所有分值中，取最大分值对应的标准分类作为所述待分类网页的类型；或取每一个 特征词的分值中最大的分值对应的标准分类作为所述待分类网页的类型。
[0033] 为了解决上述问题，本发明还提供了一种网页分类标准获取装置，包括：
[0034] 网页获取模块，用于获取各标准分类的样本网页；
[0035] 内容获取模块，用于提取所述样本网页的标签内容；
[0036] 标准特征词获取模块，用于从所述标签内容中确定标准特征词；
[0037] 第一计算模块，用于根据各标准特征词在各标签内容中出现的次数确定各标准特 征词在各标准分类中出现的次数；
[0038] 第一处理模块，用于根据各标准特征词在各标准分类中出现的次数确定各标准特 征词在各标准分类中的比重值，得到标准分类和标准特征词的标准比重列表。
[0039] 在本发明的一种实施例中，所述装置还包括校正模块，用于在所述第一处理模块 根据各标准特征词在各标准分类中出现的次数得到各标准特征词在各标准分类中的比重 值之后，判断是否存在某一标准特征词在各分类中的比重值相近；如存在，将该标准特征词 从所述标准比重列表中删除。
[0040] 为了解决上述问题，本发明还提供了一种网页分类装置，包括：
[0041] 标签获取模块，用于提取待分类网页的标签内容；
[0042] 特征词获取模块，用于根据如上得到的标准比重列表中的标准特征词从所述标签 内容中提取对应的特征词；
[0043] 第二计算模块，用于根据各特征词在各标签内容中出现的次数确定各特征词在所 述待分类网页中出现的次数；
[0044] 第二处理模块，用于根据所述特征词在所述待分类网页中出现的次数和所述标准 比重列表确定所述待分类网页所属的标准分类。
[0045] 本发明的有益效果是：
[0046] 本发明提供的网页分类标准获取方法、装置及网页分类方法、装置，通过提取样本 网页的标签内容，从各标签内容中提取标准特征词，进而基于标签内容中提取的标准特征 词得到标准分类和标准特征词的标准比重列表，也即网页分类的标准，进而基于该标准对 待分类网页进行分类；由于本发明中的标准特征词都是从各网页的标签内容中提取的，其 代表性比从网页正文提出的关键词的代表性更好，因此基于该标准的得到的网页分类也更 准确，能很好的提高将用户访问网页进行归类的效果。
【专利附图】
【附图说明】
[0047] 图1为实施例一中网页分类标准获取装置的结构示意图一；
[0048] 图2为实施例一中网页分类标准获取装置的结构示意图二；
[0049] 图3为实施例一中网页分类标准获取方法的流程示意图；
[0050] 图4为实施例二中网页分类装置的结构示意图；
[0051] 图5为实施例二中网页分类方法的流程示意图；
[0052] 图6为实施例三中网页分类标准获取及分类过程的流程示意图。
【具体实施方式】
[0053] 下面通过【具体实施方式】结合附图对本发明作进一步详细说明。
[0054] 实施例一：
[0055] 本实施例对于获取网页分类器，也即网页分类的标准的获取过程进行详细说明。
[0056] 请参见图1所示，该图所示为网页分类标准获取装置的结构示意图，其包括：
[0057] 网页获取模块，用于获取各标准分类的样本网页；本实施例中的标准分类是指初 始分类库中的网页分类，此处的初始分类则是初始希望将网页分成哪几类，则以此初始分 类有针对性的选择样本网页。获取初始分类库中的对应分类的样本网页具体可从导航网 站，也可通过搜索引擎，将需要的分类进行搜索得到对应的网站网页；
[0058] 内容获取模块，用于提取各样本网页的标签内容；本实施例中网页的标签可包括 标题标签（title)、关键字标签（keywords)、描述标签（discrption)和重要文本标签中的 至少一个，此处的重要文本标签则至少包括] 11、]12、113、114、115、116中的至少一个。具体选 择那些标签，可根据具体的网页分类和/或具体的网页进行选择设置；
[0059] 标准特征词获取模块，用于从各样本网页的标签内容中确定标准特征词，此处的 标准特征词也即标准关键词，此处之所以称之为标准，是因为在对网页进行分类时，可根据 这些关键词选定待分类网页的关键词；从标签内容中提取标准特征词需要对提取的标签内 容进行分词处理；分词处理指的是对文本内容进行词语分析，区分中文字符和非中文字符， 且对中文字符进行中文分析处理，处理之后得到一个词条列表；该词条列表中的各词则可 作为特征词。为了进一步提高准确性，还可对该词条列表进行过滤处理，例如去除该列表中 的停用词，以保证词条列表中各词条的可用性；
[0060] 第一计算模块，用于根据各标准特征词在各标签内容中出现的次数确定各标准特 征词在各标准分类中出现的次数；
[0061] 第一处理模块，用于根据各标准特征词在各标准分类中出现的次数确定各标准特 征词在各标准分类中的比重值，进而得到标准分类和标准特征词的标准比重列表，该标准 比重列表也即网页分类器；其具体包括：
[0062] 用各标准特征词在各标准分类中出现次数组成向量空间；
[0063] 利用统计算法得到各标准特征词在各标准分类中的比重值；本实施例中的统计算 法可采用卡方算法、贝叶斯算法等等；
[0064] 后续的网页分类则可基于该列表进行。由于是基于各样本网页的标签内容提取的 关键词，标签内容中的噪音信息比网页正文少很多，因此得到的关键词的代表性也就更好， 因此可在加大程度上提高网页分类的准确性。
[0065] 请参见图2所示，本实施例中的网页分类标准获取装置还包括校正模块，其用于 在第一处理模块根据各标准特征词在各标准分类中出现的次数得到各标准特征词在各标 准分类中的比重值之后，判断是否存在某一标准特征词在各分类中的比重值相近；如存在， 则表明该标准特征词的代表性不是很强，可将该标准特征词从所述标准比重列表中删除， 以进一步提高后续网页分类的准确性。
[0066] 下面结合网页分类标准获取的整个流程示意图为例，本发明做进一步的说明，请 参见图3所示，其包括：
[0067] 步骤301 :获取各标准分类的样本网页；
[0068] 本实施例中的标准分类是指初始分类库中的网页分类，此处的初始分类则是初始 希望将网页分成哪几类，则以此初始分类有针对性的选择样本网页。获取初始分类库中的 对应分类的样本网页具体可从导航网站，也可通过搜索引擎，将需要的分类进行搜索得到 对应的网站网页；
[0069] 步骤302 :提取各样本网页的标签内容；
[0070] 本实施例中网页的标签可包括标题标签（title)、关键字标签（keywords)、描述 标签（discrption)和重要文本标签中的至少一个，此处的重要文本标签则至少包括hi、 h2、h3、h4、h5、h6中的至少一个。具体选择那些标签，可根据具体的网页分类和/或具体的 网页进行选择设置；
[0071] 步骤303 :从提取的标签内容中确定标准特征词；
[0072] 从标签内容中提取标准特征词需要对提取的标签内容进行分词处理；分词处理指 的是对文本内容进行词语分析，区分中文字符和非中文字符，且对中文字符进行中文分析 处理，处理之后得到一个词条列表；该词条列表中的各词则可作为特征词。为了进一步提高 准确性，还可对该词条列表进行过滤处理，例如去除该列表中的停用词，以保证词条列表中 各词条的可用性；
[0073] 步骤304 :根据各标准特征词在各标签内容中出现的次数确定各标准特征词在各 标准分类中出现的次数；
[0074] 步骤305 :根据各标准特征词在各标准分类中出现的次数确定各标准特征词在各 标准分类中的比重值，得到标准分类和标准特征词的标准比重列表；该标准比重列表也即 网页分类器；其具体过程可包括：
[0075] 用各标准特征词在各标准分类中出现次数组成向量空间；
[0076] 利用统计算法得到各标准特征词在各标准分类中的比重值；本实施例中的统计算 法可采用卡方算法、贝叶斯算法等等；
[0077] 在本实施例中，在上述步骤305之后，还可进一步包括以下步骤：
[0078] 判断是否存在某一标准特征词在各分类中的比重值相近，本实施例中的相近只要 是用于表征该特征词是否具备代表性，其具体判断标准可根据具体的应用场景设置，主要 是指在各分类中其分布相对比较均匀；如存在，如存在，则表明该标准特征词的代表性不是 很强，可将该标准特征词从所述标准比重列表中删除，以进一步提高后续网页分类的准确 性。
[0079] 实施例二：
[0080] 上述实施例一阐述了获取网页分类器的过程。本实施例则在此基础上，重点阐述 对位置类型网页，也即待分类网页进行分类的过程。
[0081] 请参见图4所示，本实施例中的网页分类装置包括：
[0082] 标签获取模块，用于提取待分类网页的标签内容，其提取的规则可与上述获取网 页分类器提取标签的规则相同；
[0083] 特征词获取模块，用于根据实施例一中得到的标准比重列表中的标准特征词从标 签内容中提取对应的特征词；具体可为从标签内容中提取与该列表中的标准特征词相同的 词作为特征词；或从标签内容中提取与该列表中标准特征词相同和相近的词作为特征词， 当存在与标准特征词相近的词时，以标准特征词表征，此时则需要对标签内容的中相应的 词进行相似计算，判断其是否与标准特征词相近似；
[0084] 第二计算模块，用于根据各特征词在各标签内容中出现的次数确定各特征词在待 分类网页中出现的次数，其具体可包括：
[0085] 将某一特征词在各标签内容中出现的次数相加，得到该特征词在该待分类网页中 的次数；此时则没有按照各特征词的重要性进行分类；
[0086] 或
[0087] 为各标签内容设定对应的加权值；例如可根据各标签的重要性为各标签设置加权 值，例如title，可为其设置加权值为1.2或1.4,而对于h3,则可设置其加权值为0.8或 0.6等，此时则可根据网页中的内容的重要性差别进行分类；进而可进一步提高网页分类 的准确性。
[0088] 然后将某一特征词在各标签内容中出现的次数与各标签内容对应的加权值相乘 后再相加，得到该特征词在该待分类网页中的次数。
[0089] 第二处理模块，用于根据特征词在待分类网页中出现的次数和标准比重列表确定 所述待分类网页所属的标准分类，其包括：
[0090] 当待分类网页仅有一个特征词时，将该特征词在该待分类网页中出现的次数与该 特征词在各标准分类中的比重值相乘得到在各标准分类中的分值；取最大分值对应的标准 分类作为所述待分类网页的类型；
[0091] 当待分类网页有至少两个特征词时，依次将各特征词在该待分类网页中出现的次 数与该特征词在各标准分类中的比重值相乘得到各特征词在各标准分类中的分值，在得到 的所有分值中，取最大分值对应的标准分类作为所述待分类网页的类型，此时该待分类网 页最终仅属于一个类别；或取每一个特征词的分值中最大的分值对应的标准分类作为该待 分类网页的类型，此时该待分类网页则可能属于多个类别；具体的分类选用方式，可根据具 体的情况进行设定。
[0092] 请参见图5所示，该图所示为网页分类的流程示意图，其包括：
[0093] 步骤501 :提取待分类网页的标签内容；具体可通过http链接网页，实时获取 网上的网页信息，所以对于一个未知分类的网页，可以获取到其网页内容，之后对这些内 容进行文本解析和提取，取出其中的相应的标签，可包括标题标签（title)、关键字标签 (keywords)、描述标签（discrption)和重要文本标签中的至少一个，此处的重要文本标签 则至少包括hi、h2、h3、h4、h5、h6中的至少一个；
[0094] 步骤502 :以标准比重列表中的标准特征词为基准从标签内容中提取对应的特征 词；
[0095] 具体可为从标签内容中提取与该列表中的标准特征词相同的词作为特征词；或从 标签内容中提取与该列表中标准特征词相同和相近的词作为特征词，当存在与标准特征词 相近的词时，以标准特征词表征，此时则需要对标签内容的中相应的词进行相似计算，判断 其是否与标准特征词相近似；
[0096] 步骤503 :根据各特征词在各标签内容中出现的次数确定各特征词在所述待分类 网页中出现的次数；统计的方式包括但不限于：
[0097] 将某一特征词在各标签内容中出现的次数相加，得到该特征词在该待分类网页中 的次数；此时则没有按照各特征词的重要性进行分类；
[0098] 或
[0099] 为各标签内容设定对应的加权值；例如可根据各标签的重要性为各标签设置加权 值，例如title，可为其设置加权值为1.2或1.4,而对于h3,则可设置其加权值为0.8或 〇. 6等；此时则可根据网页中的内容的重要性差别进行分类；进而可进一步提高网页分类 的准确性；
[0100] 然后将某一特征词在各标签内容中出现的次数与各标签内容对应的加权值相乘 后再相加，得到该特征词在该待分类网页中的次数；
[0101] 步骤504 :根据所述特征词在所述待分类网页中出现的次数和所述标准比重列表 确定所述待分类网页所属的标准分类，其可包括：
[0102] 当待分类网页仅有一个特征词时，将该特征词在该待分类网页中出现的次数与该 特征词在各标准分类中的比重值相乘得到在各标准分类中的分值；取最大分值对应的标准 分类作为所述待分类网页的类型；
[0103] 当待分类网页有至少两个特征词时，依次将各特征词在该待分类网页中出现的次 数与该特征词在各标准分类中的比重值相乘得到各特征词在各标准分类中的分值，在得到 的所有分值中，取最大分值对应的标准分类作为所述待分类网页的类型，此时该待分类网 页最终仅属于一个类别；或取每一个特征词的分值中最大的分值对应的标准分类作为该待 分类网页的类型，此时该待分类网页则可能属于多个类别；具体的分类选用方式，可根据具 体的情况进行设定。
[0104] 实施例三：
[0105] 为了更好的理解本发明，下面将本发明提供的方案应用到一个具体的场景为例， 对本发明进行进一步的示例性的说明；请参见图6,包括：
[0106] 步骤601 :获取标准分类(也即初始分类)，包括餐饮美食、动漫网站、交通旅游、教 育文化、金融财经、军事国防、汽车网站；
[0107] 步骤602 :对应每个分类通过网站导航或搜索引擎得到一个样本网页，当然可以 是多个，例如对应每个分类得到10个网页等，此处仅以一个为例进行示意说明；
[0108] 步骤603 :对样本网页的标签内容进行提取，假设提取的标签内容可包括：title、 keywords、discrption 和 hi、h2、h3 ;
[0109] 步骤604 :将得到的标签内容进行分词操作，得到标准特征词，此处得到的标准特 征词包括菜谱、qq、动漫、景点、考试、期货、军情、汽车；
[0110] 步骤605 :统计各标准特征词在各标签内容中出现的次数确定各标准特征词在各 标准分类中出现的次数；
[0111] 步骤606 :根据各标准特征词在各标准分类中出现的次数确定各标准特征词在各 标准分类中的比重值，本实施例具体采用X2算法为例，假设得到的标准比重列表如表1所 示：
[0112] 表 1
[0113]
【权利要求】
1. 一种网页分类标准获取方法，其特征在于包括： 获取各标准分类的样本网页； 提取各样本网页的标签内容； 从提取的标签内容中确定标准特征词； 根据各标准特征词在各标签内容中出现的次数确定各标准特征词在各标准分类中出 现的次数； 根据各标准特征词在各标准分类中出现的次数确定各标准特征词在各标准分类中的 比重值，得到标准分类和标准特征词的标准比重列表。
2. 如权利要求1所述的网页分类标准获取方法，其特征在于，所述标签包括标题标签、 关键字标签、描述标签和重要文本标签中的至少一个。
3. 如权利要求1所述的网页分类标准获取方法，其特征在于，从提取的标签内容中确 定标准特征词包括： 对提取的标签内容进行分词处理得到标准特征词。
4. 如权利要求1-3任一项所述的网页分类标准获取方法，其特征在于，根据各标准特 征词在各标准分类中出现的次数确定各标准特征词在各标准分类中的比重值包括： 用各标准特征词在各标准分类中出现次数组成向量空间； 利用统计算法得到各标准特征词在各标准分类中的比重值。
5. 如权利要求1-3任一项所述的网页分类标准获取方法，其特征在于，根据各标准特 征词在各标准分类中出现的次数得到各标准特征词在各标准分类中的比重值之后，还包 括： 判断是否存在某一标准特征词在各分类中的比重值相近；如存在，则将该标准特征词 从所述标准比重列表中删除。
6. -种网页分类方法，其特征在于包括： 提取待分类网页的标签内容； 根据如权利要求1-5任一项得到的标准比重列表中的标准特征词从所述标签内容中 提取对应的特征词； 根据各特征词在各标签内容中出现的次数确定各特征词在所述待分类网页中出现的 次数； 根据所述特征词在所述待分类网页中出现的次数和所述标准比重列表确定所述待分 类网页所属的标准分类。
7. 如权利要求6所述的网页分类方法，其特征在于，根据所述标准比重列表中的标准 特征词从所述标签内容中提取对应的特征词为：从所述标签内容中提取与所述标准特征词 相同的词作为特征词；或从所述标签内容中提取与所述标准特征词相同和相近的词作为特 征词，当存在与所述标准特征词相近的词时，以所述标准特征词表征。
8. 如权利要求6或7所述的网页分类方法，其特征在于，根据各特征词在各标签内容中 出现的次数确定各特征词在所述待分类网页中出现的次数包括： 将某一特征词在各标签内容中出现的次数相加，得到该特征词在该待分类网页中的次 数； 或 为各标签内容设定对应的加权值； 将某一特征词在各标签内容中出现的次数与各标签内容对应的加权值相乘后再相加， 得到该特征词在该待分类网页中的次数。
9. 如权利要求6或7所述的网页分类方法，其特征在于，根据所述特征词在所述待分类 网页中出现的次数和所述标准比重列表确定所述待分类网页所属的标准分类包括： 当所述待分类网页仅有一个特征词时，将该特征词在该待分类网页中出现的次数与该 特征词在各标准分类中的比重值相乘得到在各标准分类中的分值；取最大分值对应的标准 分类作为所述待分类网页的类型； 当所述待分类网页有至少两个特征词时，依次将各特征词在该待分类网页中出现的次 数与该特征词在各标准分类中的比重值相乘得到各特征词在各标准分类中的分值，在得到 的所有分值中，取最大分值对应的标准分类作为所述待分类网页的类型；或取每一个特征 词的分值中最大的分值对应的标准分类作为所述待分类网页的类型。
10. -种网页分类标准获取装置，其特征在于包括： 网页获取模块，用于获取各标准分类的样本网页； 内容获取模块，用于提取所述样本网页的标签内容； 标准特征词获取模块，用于从所述标签内容中确定标准特征词； 第一计算模块，用于根据各标准特征词在各标签内容中出现的次数确定各标准特征词 在各标准分类中出现的次数； 第一处理模块，用于根据各标准特征词在各标准分类中出现的次数确定各标准特征词 在各标准分类中的比重值，得到标准分类和标准特征词的标准比重列表。
11. 如权利要求10所述的网页分类标准获取装置，其特征在于，所述装置还包括校正 模块，用于在所述第一处理模块根据各标准特征词在各标准分类中出现的次数得到各标准 特征词在各标准分类中的比重值之后，判断是否存在某一标准特征词在各分类中的比重值 相近；如存在，将该标准特征词从所述标准比重列表中删除。
12. -种网页分类装置，其特征在于包括： 标签获取模块，用于提取待分类网页的标签内容； 特征词获取模块，用于根据如权利要求1-5任一项得到的标准比重列表中的标准特征 词从所述标签内容中提取对应的特征词； 第二计算模块，用于根据各特征词在各标签内容中出现的次数确定各特征词在所述待 分类网页中出现的次数； 第二处理模块，用于根据所述特征词在所述待分类网页中出现的次数和所述标准比重 列表确定所述待分类网页所属的标准分类。
【文档编号】G06F17/30GK104424308SQ201310399022
【公开日】2015年3月18日 申请日期:2013年9月4日 优先权日:2013年9月4日
【发明者】于波 申请人:中兴通讯股份有限公司