CASIA OpenIR  > 数字内容技术与服务研究中心  > 听觉模型与认知计算
基于锚文本的聚焦网络爬虫搜索方法及其系统
郝红卫; 台宪青; 王艳军; 殷绪成
2011-08-11
Date Available2011-12-28
CountryCN
Subtype发明
Abstract本发明公开了一种基于锚文本的聚焦网络爬虫搜索方法及其系统,所述方法主要包括:从URL优先级队列中获取URL,并依据URL从Internet下载得到Web页面;对下载的Web页面进行解析,提取URL及其锚文本;对提取出的URL及其锚文本进行筛选;采用TF-IDF与LSI相结合的算法来计算URL的主题相关度,并将符合条件的URL放入优先级队列中;所述系统包括:URL优先级队列、网络爬虫下载器、Web页面库、URL解析器、URL筛选器以及主题相关性判断器。通过采用所述基于锚文本的聚焦网络爬虫搜索方法及其系统,本发明提高了聚焦网络爬虫爬行结果的主题相关度及爬行效率。
Patent NumberCN201110230220.X
Status授权
Document Type专利
Identifierhttp://ir.ia.ac.cn/handle/173211/8565
Collection数字内容技术与服务研究中心_听觉模型与认知计算
Affiliation中国科学院自动化研究所
Recommended Citation
GB/T 7714
郝红卫,台宪青,王艳军,等. 基于锚文本的聚焦网络爬虫搜索方法及其系统. CN201110230220.X[P]. 2011-08-11.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[郝红卫]'s Articles
[台宪青]'s Articles
[王艳军]'s Articles
Baidu academic
Similar articles in Baidu academic
[郝红卫]'s Articles
[台宪青]'s Articles
[王艳军]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[郝红卫]'s Articles
[台宪青]'s Articles
[王艳军]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.