平行网页获取方法及装置

发明专利无效专利

申请号：
CN201310174218.4
IPC分类号：G06F17/30
申请日期：
2013-05-10
申请人：
清华大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	平行网页获取方法及装置
申请号	CN201310174218.4	申请日期	2013-05-10
法律状态	撤回	申报国家	中国
公开/公告日	2013-08-21	公开/公告号	CN103258032A
优先权	暂无	优先权号	暂无
主分类号	G06F17/30 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/30 信息检索；及其数据库结构〔6〕	IPC分类号	G;0;6;F;1;7;/;3;0查看分类表>
申请人	清华大学	申请人地址	北京市海淀区信箱82分箱清华大学专利办公室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	清华大学	当前权利人	清华大学
发明人	刘奇;刘洋;孙茂松
代理机构	西安智大知识产权代理事务所	代理人	贾玉健

摘要

一种平行网页获取方法及装置，属于文本信息处理领域，所述方法包括：使用HTML结构信息实现对平行网站中平行网页的同步递归访问，使用URL命名模式优化遍历平行网站的路径，对候选平行网页，使用分类器进行判定，对判定为平行网页的网页对，学习其URL对应的命名模式，抽取平行网页对中的双语文本和指向的下级候选平行网页链接对，利用学习到的URL模式构建候选平行网页链接对优先队列；对是否应该终止平行网页发现进行判定，最终完成对一个平行网站中的平行网页的发现和双语文本的挖掘，本发明相应地提供了获取装置，本发明结合URL命名模式及HTML结构信息，实现了高效准确的平行网页发现和获取，同时提高了处理速度，减少了带宽消耗。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
1	CN103020043A	2013-04-03	2012-11-16	一种面向web双语平行语料资源的分布式采集系统无效专利	哈尔滨工业大学

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
1	CN104980309A	2014-04-11	2014-04-11	网站安全检测方法及装置有效专利	北京奇虎科技有限公司;奇智软件(北京)有限公司
2	WO2015074455A1	2014-09-15	2014-09-15	一种计算关联网页URL模式pattern的方法和装置公开	北京奇虎科技有限公司;奇智软件(北京)有限公司
3	CN104572767A	2013-10-25	2013-10-25	一种站点语种分类的方法和系统有效专利	北大方正集团有限公司;北京大学;北京北大方正电子有限公司
4	CN104980309B	2014-04-11	2014-04-11	网站安全检测方法及装置有效专利	北京奇安信科技有限公司

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供