[发明专利]一种云计算中垂直搜索引擎网页采集模板自动识别方法在审
| 申请号： | 201410087058.4 | 申请日： | 2014-03-11 |
| 公开（公告）号： | CN103870567A | 公开（公告）日： | 2014-06-18 |
| 发明（设计）人： | 范莹;于治楼;梁华勇 | 申请（专利权）人： | 浪潮集团有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 250014 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种云计算中垂直搜索引擎网页采集模板自动识别方法，针对需采集网站随机获取一定数量的样本网页，对已有网页进行分析，抽取特征属性，将属性值采集至数据表中作为训练样本数据进行聚类，得到多个不同的网页模板；给网页模板标识类别，作为训练样本训练出网页模板分类器；应用该分类器对所有采集网页进行模板分类，根据分类得到的模板进行信息抽取。该方法通过对不同网站进行网页抽样，利用数据挖掘的聚类、分类算法，为这些网站内不同的网页结构识别出不同的分析模板，达到智能化解析的目的。 | ||
| 搜索关键词： | 一种 计算 垂直 搜索引擎 网页 采集 模板 自动识别 方法 | ||
【主权项】：
一种云计算中垂直搜索引擎网页采集模板自动识别方法，其特征在于：针对需采集网站随机获取一定数量的样本网页，对已有网页进行分析，抽取特征属性，将属性值采集至数据表中作为训练样本数据进行聚类，得到多个不同的网页模板；给网页模板标识类别，作为训练样本训练出网页模板分类器；应用该分类器对所有采集网页进行模板分类，根据分类得到的模板进行信息抽取。
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浪潮集团有限公司，未经浪潮集团有限公司许可，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/201410087058.4/，转载请声明来源钻瓜专利网。
