[发明专利]一种基于Web地图的网络实体地标自动挖掘方法

权利要求书

1.一种基于Web地图的网络实体地标自动挖掘方法，其特征在于，该采集方法包括以下步骤：

1)依据不同的Web地图获取各地区的特定类型机构的信息作为候选地标，并获取候选地标机构的主页域名；

2)根据候选地标机构主页域名中的一级域名采用域名解析得到机构Web服务器的IP地址；

3)根据候选地标Web服务器的域名及其IP地址分别进行网页访问，判断上述两种方式下的网页访问是否一致、是否有重定向，若一致、无重定向，则将该候选地标作为有效地标；

4)否则，利用Web中提供的IP地址进行反向查询，根据候选地标IP地址反向查询结果计算候选地标的可信度；

5)选取可信度大于设定值的候选地标作为有效地标，该有效地标即是要挖掘的网络实体地标；

所述步骤4)中候选地标可信度所采用的计算公式为：

R=α*R0+(1-α)*(1KΣi=1KRi)]]>

其中R为所求可信度，R₀为采用最可信的网站进行IP地址反向查询得到基本可信度，R_i(i≥1)为采用其它网站进行IP地址反向查询得到基本可信度，K为可信度评估时所使用的除最可信的网站以外的其他IP反向查询网站的个数，α为权重因子。

2.根据权利要求1所述的基于Web地图的网络实体地标自动挖掘方法，其特征在于，所述步骤4)中候选地标的基本可信度由IP地址反向查询得到的域名个数来确定，候选地标的基本可信度与IP地址反向查询得到的域名个数成反比。

3.根据权利要求1所述的基于Web地图的网络实体地标自动挖掘方法，其特征在于，所述候选地标可信度所采用的计算公式中的α取值范围为0.7～0.9。

4.根据权利要求2所述的基于Web地图的网络实体地标自动挖掘方法，其特征在于，所述步骤1)中特定类型机构指的是Web地图中作为地标可能性高的类型。

5.根据权利要求2所述的基于Web地图的网络实体地标自动挖掘方法，其特征在于，所述候选地标机构的主页域名根据候选地所在地采用不同方式获取，非中国大陆地区的机构主页域名是利用Google地图返回的连接码和Google地图中的Place API获取的，大陆地区的机构主页域名是利用搜索引擎获取的。

6.根据权利要求5所述的基于Web地图的网络实体地标自动挖掘方法，其特征在于，所述利用搜索引擎获取机构域名的过程如下：

a.将机构名作为搜索关键词，向搜索引擎提交查询请求；

b.解析搜索引擎返回的查询结果，提取前M个查询结果URL(M通常设置为10)；

c.利用URL黑名单过滤掉这M个URL中的非机构主页URL；

d.获取剩余URL对应的网页Title，通过比对Title与机构名的匹配程度来筛选出排序靠前、匹配度高的URL作为机构的主页；

e.若剩余URL的匹配度均较低，则机构主页获取失败；

f.对于分析出机构WWW主页的情况，利用URL中的一级域名提取出机构Web服务的域名。

7.根据权利要求2所述的基于Web地图的网络实体地标自动挖掘方法，其特征在于，所述步骤5)中的设定值为0.8。

8.根据权利要求2所述的基于Web地图的网络实体地标自动挖掘方法，其特征在于，所述步骤2)在进行域名解析时，须过滤掉域名与IP地址映射关系为一对多的候选地标。