1.一種網(wǎng)絡(luò)數(shù)據(jù)分類方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)數(shù)據(jù)分類方法，其特征在于，所述采集目標(biāo)網(wǎng)絡(luò)數(shù)據(jù)并對其進(jìn)行預(yù)處理，確定第一信息數(shù)據(jù)，具體包括：
3.根據(jù)權(quán)利要求2所述的網(wǎng)絡(luò)數(shù)據(jù)分類方法，其特征在于，所述建立數(shù)據(jù)分類規(guī)則庫，根據(jù)所述數(shù)據(jù)分類規(guī)則庫確定所述第一信息數(shù)據(jù)對應(yīng)的第一分類結(jié)果，具體包括：
4.根據(jù)權(quán)利要求3所述的網(wǎng)絡(luò)數(shù)據(jù)分類方法，其特征在于，對所述若干種規(guī)則匹配方法預(yù)設(shè)不同的權(quán)重比例，當(dāng)所述第一信息數(shù)據(jù)對應(yīng)多個(gè)行業(yè)且所述多個(gè)行業(yè)存在不同的分類規(guī)則時(shí)，根據(jù)所述權(quán)重比例的大小排序，利用規(guī)則匹配方法對所述第一信息數(shù)據(jù)進(jìn)行分類，獲取第一分類結(jié)果；
5.根據(jù)權(quán)利要求4所述的網(wǎng)絡(luò)數(shù)據(jù)分類方法，其特征在于，所述建立循環(huán)神經(jīng)網(wǎng)絡(luò)模型，利用第一樣本數(shù)據(jù)對所述循環(huán)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至訓(xùn)練完成，根據(jù)訓(xùn)練完成后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型對所述第一信息數(shù)據(jù)進(jìn)行分類，獲取第二分類結(jié)果，具體包括：
6.根據(jù)權(quán)利要求5所述的網(wǎng)絡(luò)數(shù)據(jù)分類方法，其特征在于，所述根據(jù)訓(xùn)練完成后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型對所述第一信息數(shù)據(jù)進(jìn)行分類，獲取第二分類結(jié)果，還包括：
7.根據(jù)權(quán)利要求6所述的網(wǎng)絡(luò)數(shù)據(jù)分類方法，其特征在于，所述根據(jù)所述第一分類結(jié)果、所述第二分類結(jié)果、所述第三分類結(jié)果和對應(yīng)的權(quán)重確定所述目標(biāo)網(wǎng)絡(luò)數(shù)據(jù)的最優(yōu)分類結(jié)果，具體包括：
8.根據(jù)權(quán)利要求7所述的網(wǎng)絡(luò)數(shù)據(jù)分類方法，其特征在于，所述根據(jù)所述第一分類結(jié)果、所述第二分類結(jié)果、所述第三分類結(jié)果和對應(yīng)的權(quán)重確定所述目標(biāo)網(wǎng)絡(luò)數(shù)據(jù)的最優(yōu)分類結(jié)果，具體包括：
9.一種網(wǎng)絡(luò)數(shù)據(jù)分類系統(tǒng)，其特征在于，所述系統(tǒng)包括：數(shù)據(jù)獲取單元、數(shù)據(jù)分類單元和最優(yōu)分類結(jié)果確定單元；
10.一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如權(quán)利要求1至7中任一一項(xiàng)中所述方法的步驟。