[发明专利]一种提取网站URL的方法有效
| 申请号： | 201710389460.1 | 申请日： | 2017-05-27 |
| 公开（公告）号： | CN107169121B | 公开（公告）日： | 2020-08-11 |
| 发明（设计）人： | 蔡自彬 | 申请（专利权）人： | 北京知道未来信息技术有限公司 |
| 主分类号： | G06F16/955 | 分类号： | G06F16/955 |
| 代理公司： | 北京君尚知识产权代理有限公司 11200 | 代理人： | 司立彬 |
| 地址： | 100102 北京市朝阳区阜*** | 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： | 本发明公开了一种提取网站URL的方法。本方法为：1)从网站访问日志中提取出URL路径；2)对提取的URL路径去重，然后统计每一URL路径的字段个数；3)按字段个数将URL路径分成多组；4)针对每一组URL路径，合并组内所有URL路径的字段列表，去重后统一编号；然后根据统一编号结果将组内每一URL路径转换成一向量，形成该组URL路径的矩阵；然后对该矩阵进行聚类，如果聚类结果中的URL路径个数超过设定阈值，则对该聚类结果进行聚合处理，识别出该聚类结果中的可变字段并将其替换为同一值；5)将各组URL路径合并形成该网站的URL路径列表。本发明可自动化的从网站海量访问日志中还原网站的所有URL。 | ||
| 搜索关键词： | 一种 提取 网站 url 方法 | ||
【主权项】：
一种提取网站URL的方法，其步骤为：1)从网站访问日志中提取出URL路径；2)对提取的URL路径进行去重，然后统计每一URL路径的字段个数；3)按字段个数将URL路径分成多组，同一组内的所有URL路径的字段个数相同；4)针对每一组URL路径，合并组内所有URL路径的字段列表，去重后统一编号；然后根据统一编号结果将组内每一URL路径转换成一向量，形成该组URL路径的矩阵；然后对该矩阵进行聚类，如果某一聚类结果中的URL路径个数超过设定阈值，则对该聚类结果进行聚合处理，识别出该聚类结果中的可变字段并将其替换为同一值；所述可变字段为同一聚类结果的各URL路径中，字段位置相同但字段值是可变的字段；5)将步骤4)处理后的各组URL路径合并形成该网站的URL路径列表。
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知道未来信息技术有限公司，未经北京知道未来信息技术有限公司许可，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/201710389460.1/，转载请声明来源钻瓜专利网。
- 上一篇：联网治超综合管理系统
- 下一篇：一种服饰导购系统及方法
