[发明专利]基于搜索引擎的机构网站归属地判别方法及其装置

摘要

本发明提供一种基于搜索引擎的机构网站归属地判别方法及其装置，该方法基于搜索引擎实时爬取并处理Web数据，具有多个数据采集分析与处理模块，智能化检测机构网站的真实归属地。相较于人工整理收录的方式，该方法属于自动化检测，节省了人工判断和处理的时间，实时采集处理数据，时效性强，提升了数据有效性，覆盖查询范围更广，检测效果更好。

主权项

1.一种基于搜索引擎的机构网站归属地判别方法，其特征在于，包括以下步骤：步骤S100：爬取待处理机构网站的URL，将域名URL解析成IP地址，根据该IP地址，定位待处理网站服务器所在地，判断该IP地址与服务器所在地地理位置是否存在一一对应关系，如果该IP地址对应的服务器所在地地理位置唯一，则以该服务器所在地的地理位置作为该机构网站的归属地；步骤200：如果该IP地址对应多个服务器所在地地理位置，爬取机构网站的文本内容，判断网站文本内容中是否已经包含归属地名称，如果判断为是，则以网站文本内容中的归属地信息作为待处理机构网站的归属地，如果判断为否，则通过命名实体识别算法提取网站文本内容中的关键词，并将关键词保存到关键词列表S中；步骤S300：通过搜索引擎，检索关键词列表S中所有关键词，将搜索结果对应的网站作为候选网站，并提取候选网站中的文本内容；步骤S400：对所提取的文本内容进行命名实体识别，提取出关键词列表F，将关键词列表S与关键词列表F进行网页文本匹配，获得匹配度最高的前十个网站，逐一对匹配度最高的前十个网站的所有文本内容进行句法分析，提取地理位置信息，作为该机构网站的归属地。