[发明专利]一种网页锚文本去噪系统及方法有效
| 申请号： | 200710308504.X | 申请日： | 2007-12-29 |
| 公开（公告）号： | CN101216836A | 公开（公告）日： | 2008-07-09 |
| 发明（设计）人： | 徐建军 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京汇泽知识产权代理有限公司 | 代理人： | 王黎延 |
| 地址： | 518044广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种网页锚文本去噪系统，包括语料爬虫系统、原始网页数据库、原始正文数据库，关键在于，该系统还包括语料自动训练单元、锚文本去噪单元、锚文本数据库以及基本词表和中心词表；其中，语料自动训练单元，用于根据基本词表对原始网页进行迭代训练，分析出网页包含的中心词，并利用得到的中心词更新基本词表和中心词表；锚文本去噪单元，根据更新的中心词表或基本词表、以及原始正文数据，对原始网页锚文本进行去噪处理，得到过滤后的网页锚文本；锚文本数据库，用于存储网页锚文本。本发明还同时公开了一种网页锚文本去噪方法，采用本发明能为用户提供更高质量的网页锚文本数据，提高用户的网页搜索效率。 | ||
| 搜索关键词： | 一种 网页 文本 系统 方法 | ||
【主权项】：
1.一种网页锚文本去噪系统，包括语料爬虫系统、原始网页数据库、原始正文数据库，其特征在于，该系统还包括语料自动训练单元、锚文本去噪单元、锚文本数据库以及基本词表和中心词表；其中，语料自动训练单元，用于根据基本词表对原始网页进行迭代训练，分析出网页包含的中心词，并利用得到的中心词更新基本词表和中心词表；锚文本去噪单元，根据更新的中心词表或基本词表、以及原始正文数据，对原始网页锚文本进行去噪处理，得到过滤后的网页锚文本；锚文本数据库，用于存储网页锚文本。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200710308504.X/，转载请声明来源钻瓜专利网。
- 上一篇：整机向风浮动基础摆动式风力发电机
- 下一篇：水分子辐射器
