[发明专利]基于Coreseek的垂直搜索引擎研究与优化的方法在审
| 申请号： | 201610222675.X | 申请日： | 2016-04-11 |
| 公开（公告）号： | CN105912662A | 公开（公告）日： | 2016-08-31 |
| 发明（设计）人： | 喻梅;郭佳;于健;王建荣;高洁;姜月 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于Coreseek的垂直搜索引擎研究与优化的方法：通过对图书领域的网站进行分析，将待爬取的关于图书的网页作为种子链接，进行爬取信息；对主题爬虫爬取到的图书网页信息进行结构化抽取，把非结构化的数据转化为结构化数据；扩充LibMMSeg分词库，将结构化的数据存入数据库，并进行中文分词，使用Coreseek建立索引，通过主题爬虫系统从互动出版社网站爬取出版社和作者信息，结合搜狗细胞词库，按照LibMMSeg的词库格式添加到词典文件中；对用户输入的关键字通过索引在数据库中查询，对查询到的数据按照制定的排序算法进行排序后，返回给用户查看。本发明适应于短文本的图书搜索，更加能满足用户使用搜索引擎寻找图书信息的需求。 | ||
| 搜索关键词： | 基于 coreseek 垂直 搜索引擎 研究 优化 方法 | ||
【主权项】：
一种基于Coreseek的垂直搜索引擎研究与优化的方法，其特征在于，包括如下步骤：1)通过对图书领域的网站进行分析，将待爬取的关于图书的网页作为种子链接，然后利用基于分类预测的主题爬虫系统进行爬取信息；2)对主题爬虫爬取到的图书网页信息进行结构化抽取，把非结构化的数据转化为结构化数据；3)扩充LibMMSeg分词库，对结构化的数据进行中文分词，并将结构化的数据存入数据库，并使用Coreseek建立索引，通过主题爬虫系统从互动出版社网站爬取出版社和作者信息，结合搜狗细胞词库，按照LibMMSeg的词库格式添加到词典文件中；4)对用户输入的关键字通过索引在数据库中查询，对查询到的数据按照制定的排序算法进行排序后，返回给用户查看。
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天津大学，未经天津大学许可，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/201610222675.X/，转载请声明来源钻瓜专利网。
