一种ZeroNet博客及论坛文本抓取及分析方法

发明专利有效专利

申请号：
CN202010716026.1
IPC分类号：G06F16/9536;G06F16/33
申请日期：
2020-07-23
申请人：
中国电子科技集团公司第三十研究所

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	一种ZeroNet博客及论坛文本抓取及分析方法
申请号	CN202010716026.1	申请日期	2020-07-23
法律状态	实质审查	申报国家	中国
公开/公告日	2020-10-23	公开/公告号	CN111814068A
优先权	暂无	优先权号	暂无
主分类号	G06F16/9536	IPC分类号	G;0;6;F;1;6;/;9;5;3;6;;;G;0;6;F;1;6;/;3;3查看分类表>
申请人	中国电子科技集团公司第三十研究所	申请人地址	四川省成都市高新区创业路6号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国电子科技集团公司第三十研究所	当前权利人	中国电子科技集团公司第三十研究所
发明人	过小宇;丁建伟;孙恩博;陈周国;黎艺泉;谢相菊
代理机构	成都九鼎天元知识产权代理有限公司	代理人	刘凯

摘要

本发明涉及信息安全技术领域，本发明公开了一种ZeroNet博客及论坛文本抓取及分析方法，首先调用浏览器进行模拟登陆获取网站数据，接着解析本地数据库获取文本内容，在获取文本后使用半监督LDA主题模型对文本进行建模分析并进行分类，基于建模结果能够预测新文本的类别，以实现对ZeroNet博客及论坛文本的监管。本发明使用解析本地数据库的方式获取博客及论坛网站的文本数据，克服了传统爬虫无法获取ZeroNet网站文本内容的缺陷。本发明使用半监督LDA主题模型进行建模分析，可以根据不同应用情形进行手动调整，具有较高的精确度和灵活性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

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