| 专利名称 | 基于锚文本的聚焦网络爬虫搜索方法及其系统 | 申请号 | CN201110230220.X | 专利类型 | 发明专利 | 公开（公告）号 | CN102298622A | 公开（授权）日 | 2011.12.28 | 申请（专利权）人 | 中国科学院自动化研究所 | 发明（设计）人 | 郝红卫;台宪青;王艳军;殷绪成 | 主分类号 | G06F17/30(2006.01)I | IPC主分类号 | G06F17/30(2006.01)I | 专利有效期 | 基于锚文本的聚焦网络爬虫搜索方法及其系统 至基于锚文本的聚焦网络爬虫搜索方法及其系统 | 法律状态 | 实质审查的生效 | 说明书摘要 | 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。 |
1、源头对接，价格透明
2、平台验证，实名审核
3、合同监控，代办手续
4、专员跟进，交易保障