基于社会标注的主题爬虫系统

发明专利无效专利

申请号：
CN200910062020.0
IPC分类号：G06F17/30
申请日期：
2009-05-08
申请人：
华中科技大学

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	基于社会标注的主题爬虫系统
申请号	CN200910062020.0	申请日期	2009-05-08
法律状态	权利终止	申报国家	中国
公开/公告日	2009-10-21	公开/公告号	CN101561814
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	华中科技大学	申请人地址	湖北省武汉市洪山区珞喻路1037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	华中科技大学	当前权利人	华中科技大学
发明人	李瑞轩，文坤梅，赵勇，辜希武，卢正鼎，靳延安，丁益斌
代理机构	华中科技大学专利中心	代理人	曹葆青

摘要

一种基于社会标注的主题爬虫系统，包括页面获取模块，页面处理模块，相关度计算模块，存储模块，链接提取模块和链接分析模块。系统充分利用了网页的社会标注，是对页面内容公认的描述，更加贴近网页描述的真实内容，利用此性质来进行网页相关性的判断，将其应用在网络主题爬虫中，指导爬虫的爬行方向，对主题搜索引擎提供优质的网页数据内容。本发明很好地利用了网络带宽资源，在网页获取的过程中减少了不必要的开销，针对不同的需求采用不同的存储方式，减少了IO的消耗，采用了多级缓存机制，减少了阻塞，提高了爬虫的效率。该系统在社会标注的支撑下，优化了爬虫架构，为后续主题搜索引擎其他处理流程提供最佳的网页数据集。

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