技術(shù)編號：11691067
提示：您尚未登錄，請點 登 陸 后下載，如果您還沒有賬戶請點 注 冊 ，登陸完成后，請刷新本頁查看技術(shù)詳細(xì)信息。本發(fā)明涉及一種面向聚焦的Web網(wǎng)頁獲取和信息抽取方法。背景技術(shù)信息抽取能準(zhǔn)確而高效的從網(wǎng)頁中抽取用戶感興趣的信息，不僅可以方便用戶對信息的查找，而且可以為文本處理技術(shù)的研究提供方便的數(shù)據(jù)清洗服務(wù)。聚焦爬蟲作為信息抽取的數(shù)據(jù)來源，聚焦爬蟲的設(shè)計顯得尤為重要。現(xiàn)有的對聚焦爬蟲的研究主要從三個方面進(jìn)行分析：分析網(wǎng)頁內(nèi)容、分析鏈接拓?fù)浣Y(jié)構(gòu)和分析URL。分析網(wǎng)頁內(nèi)容和分析鏈接拓?fù)浣Y(jié)構(gòu)的方法都需要下載網(wǎng)頁，導(dǎo)致速度較慢。分析URL的方法根據(jù)URL的相似性指導(dǎo)爬蟲的執(zhí)行，不需要下載過多主題無關(guān)的網(wǎng)頁，大大提高...
注意：該技術(shù)已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權(quán)人授權(quán)前，僅供技術(shù)研究參考不得用于商業(yè)用途。
該專利適合技術(shù)人員進(jìn)行技術(shù)研發(fā)參考以及查看自身技術(shù)是否侵權(quán)，增加技術(shù)思路，做技術(shù)知識儲備，不適合論文引用。
請注意，此類技術(shù)沒有源代碼，用于學(xué)習(xí)研究技術(shù)思路。