[发明专利]一种网页聚类方法及装置有效
| 申请号： | 201611068233.0 | 申请日： | 2016-11-25 |
| 公开（公告）号： | CN106708952B | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 郭洋洋;刘少彬;李菲;李虎;刘丽君 | 申请（专利权）人： | 北京神州绿盟信息安全科技股份有限公司;北京神州绿盟科技有限公司 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/955;G06F16/906 |
| 代理公司： | 11291 北京同达信恒知识产权代理有限公司 | 代理人： | 黄志华<国际申请>=<国际公布>=<进入 |
| 地址： | 100089 北京*** | 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： | 本发明公开了一种网页聚类方法及装置，用于实现按照网页框架对网页进行聚类，包括：获取多个待聚类页面的统一资源定位符URL；针对每个待聚类页面的URL，确定该URL的重写规则并按照该URL的重写规则进行URL分类；针对每个URL分类，确定该URL分类中的各URL所对应的页面的页面框架，并根据各URL所对应的页面的页面框架确定各URL是否可聚类；若各URL可聚类，则保留该URL分类。通过上述方法，可以将具有相同页面框架结构的网页聚为一类，从而克服了现有聚类方法无法根据网页框架进行聚类的问题，提供了一种更适用于涉及页面框架的处理过程的聚类方法。 | ||
| 搜索关键词： | 聚类 页面框架 网页框架 重写规则 网页 统一资源定位符 网页聚类 保留 | ||
【主权项】：
1.一种网页聚类方法，其特征在于，包括：/n获取多个待聚类页面的统一资源定位符URL；/n针对每个待聚类页面的URL，确定该URL的重写规则并按照该URL的重写规则进行URL分类；/n针对每个URL分类，确定该URL分类中的各URL所对应的页面的页面框架，并根据所述各URL所对应的页面的页面框架确定所述各URL是否可聚类；若所述各URL可聚类，则保留该URL分类；/n其中，针对每个URL分类，确定该URL分类中的各URL所对应的页面的页面框架，并根据所述各URL所对应的页面的页面框架确定所述各URL是否可聚类，包括：/n针对所述各URL分类中的每个URL，获取该URL所对应的页面的超文本标记语言HTML文件；根据所述HTML文件中的标签信息，获取所述HTML文件的指纹特征值；/n对比所述各URL的指纹特征值之间的差值是否低于设定阈值；/n若低于所述设定阈值，则确定所述各URL为可聚类。/n
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神州绿盟信息安全科技股份有限公司;北京神州绿盟科技有限公司，未经北京神州绿盟信息安全科技股份有限公司;北京神州绿盟科技有限公司许可，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/201611068233.0/，转载请声明来源钻瓜专利网。
