[发明专利]对网页中高频关键词进行聚类的方法及装置有效
| 申请号： | 201310108943.1 | 申请日： | 2013-03-29 |
| 公开（公告）号： | CN103258000B | 公开（公告）日： | 2017-02-08 |
| 发明（设计）人： | 李学科 | 申请（专利权）人： | 北界无限（北京）软件有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/12 |
| 代理公司： | 北京润泽恒知识产权代理有限公司11319 | 代理人： | 苏培华 |
| 地址： | 100020 北京市朝*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种对多个网页中高频关键词进行聚类的方法和装置，涉及互联网领域。该方法包括抓取多个网页对应的多个网页文档；对抓取到的多个网页文档中的各个网页文档进行分词以获取多个词语；确定各个网页文档对应的关键词组合，其中，关键词组合包括表征对应网页文档内容的关键词；从多个关键词组合中获取高频关键词，其中，高频关键词为多个关键词组合中在预设时间周期内满足预设条件的关键词；以及按相似度对高频关键词进行聚类，以获得同类高频关键词。通过聚类，将具有关联性的网页文档划分在同一类别中，从而使用户更加方便地阅读同一类别的网页文档，简化了用户对信息的搜集，节省了用户的时间。 | ||
| 搜索关键词： | 网页 高频 关键词 进行 方法 装置 | ||
【主权项】：
一种对多个网页中高频关键词进行聚类的方法，其特征在于，包括：抓取所述多个网页对应的多个网页文档；对抓取到的所述多个网页文档中的各个网页文档进行分词以获取多个词语；确定各个网页文档对应的关键词组合，其中，所述关键词组合包括表征对应网页文档内容的关键词；从多个关键词组合中获取高频关键词，其中，所述高频关键词为多个关键词组合中在预设时间周期内满足预设条件的关键词；以及按相似度对所述高频关键词进行聚类，以获得同类高频关键词；从多个关键词组合中获取高频关键词包括：分别获取所述多个网页文档对应的所述关键词组合中所述多个关键词的访问数量，所述访问数量为在所述预设时间周期内所述关键词组合对应网页文档的独立访客数量；以及将所述访问数量满足预设数量条件的关键词确定为所述多个网页文档的高频关键词；所述按相似度对所述高频关键词进行聚类包括：分别获取所述多个网页文档对应的所述关键词组合中所述多个关键词的访问数量，所述访问数量为在所述预设时间周期内所述关键词组合对应网页文档的独立访客数量；获取各关键词的访问数量在所述预设时间周期内随时间的变化趋势；以及将所述变化趋势的相似系数满足预设系数条件的多个关键词作为同类高频关键词。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北界无限（北京）软件有限公司，未经北界无限（北京）软件有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310108943.1/，转载请声明来源钻瓜专利网。
