[发明专利]基于网页质量的静态索引剪枝方法无效
| 申请号： | 201110393942.7 | 申请日： | 2011-12-01 |
| 公开（公告）号： | CN102521313A | 公开（公告）日： | 2012-06-27 |
| 发明（设计）人： | 闫宏飞;单栋栋;张旭东;李晓明 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹 |
| 地址： | 100871*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于网页质量的静态索引剪枝方法，涉及互联网搜索引擎技术领域，包括：S1：计算待剪枝网页的重要度，所述重要度包括：网页权威性、网页内容的有用性或用户关注度；S2：根据所述重要度计算所述待剪枝网页的信息保留比例；S3：抽取所述待剪枝网页中的片段，根据文本相似度计算各个片段的重要度指标；S4：按所述片段的重要度指标由高到低将片段放入剪枝完的网页中，直到放入的片段达到所述保留比例。本发明大大减少了倒排索引文件的大小，提升了网页检索的速度。 | ||
| 搜索关键词： | 基于 网页 质量 静态 索引 剪枝 方法 | ||
【主权项】：
一种基于网页质量的静态索引剪枝方法，其特征在于，包括以下步骤：S1：计算待剪枝网页的重要度，所述重要度包括：网页权威性、网页内容的有用性或用户关注度，被越多网页链向的待剪枝网页的权威性越高；网页内容有用性指待剪枝网页的内容与网页集合内容的相似性，相似性越高的待剪枝网页的有用性越高；用户关注度指用户浏览网页或在搜索结果点击网页的次数的多少，浏览次数多或点击率高的待剪枝网页的用户关注度越高；S2：根据所述重要度计算所述待剪枝网页的信息保留比例；S3：抽取所述待剪枝网页中的片段，根据文本相似度计算各个片段的重要度指标；S4：按所述片段的重要度指标由高到低将片段放入剪枝完的网页中，直到放入的片段达到所述保留比例。
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北京大学，未经北京大学许可，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/201110393942.7/，转载请声明来源钻瓜专利网。
