[发明专利]一种网站列表页面的分类方法、系统及存储介质有效
| 申请号： | 202011161426.7 | 申请日： | 2020-10-27 |
| 公开（公告）号： | CN112287273B | 公开（公告）日： | 2022-09-30 |
| 发明（设计）人： | 孟剑;郭岩;贺广福;陈银鹏;史存会;俞晓明;刘悦;程学旗 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06F16/958 | 分类号： | G06F16/958;G06F16/35;G06F16/957;G06N3/04;G06N3/08 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 祁建国 |
| 地址： | 100080 北*** | 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： | 本发明涉及一种网站列表页面的分类方法，所述网站系基于超文本标记语言(HTML)，方法包括：步骤100，获取网站页面集合，页面归属于同一网站；步骤200，提取每一网站页面的文档对象模型(Document Object Model，DOM)的树结构特征和页面文本特征，分别构成DOM树结构特征空间和页面文本特征空间；步骤300，在DOM树结构特征空间和页面文本特征空间针对DOM树结构特征和页面文本特征分别进行聚类，分别得到结构类簇和文本类簇；步骤400，根据网站页面的网址链接(URL)，在结构类簇与文本类簇之间进行映射，当映射出现多对一的情况，则选择最大相交的结构类簇或者文本类簇，并找到所述最大相交的结构类簇或者文本类簇在网站中的最近公共父节点，该公共父节点即为列表页面。 | ||
| 搜索关键词： | 一种 网站 列表 页面 分类 方法 系统 存储 介质 | ||
【主权项】：
暂无信息
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中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，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/202011161426.7/，转载请声明来源钻瓜专利网。
