[发明专利]一种基于机器学习的网页代理发现方法在审
| 申请号： | 201710858063.4 | 申请日： | 2017-09-21 |
| 公开（公告）号： | CN107818132A | 公开（公告）日： | 2018-03-20 |
| 发明（设计）人： | 张鹏;陈志鹏;郭莉;刘庆云 | 申请（专利权）人： | 中国科学院信息工程研究所 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F21/56 |
| 代理公司： | 北京君尚知识产权代理事务所(普通合伙)11200 | 代理人： | 余长江 |
| 地址： | 100093 *** | 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： | 本发明提供一种基于机器学习的网页代理发现方法，步骤包括通过爬虫主动获取代理及非代理的网页数据集；从所述网页数据集中分别抽取URL特征和DOM特征，根据该URL特征和/或DOM特征构建一含有多维特征的向量作为训练集；利用机器学习方法在所述训练集上构建模型并进行训练，通过训练出的模型进行网页代理识别。本发明基于爬虫捕获的URL和网页内容抽取特征，并构建模型进行训练，根据训练的模型识别出网页代理，识别的准确率、召回率及F1‑score高。 | ||
| 搜索关键词： | 一种 基于 机器 学习 网页 代理 发现 方法 | ||
【主权项】：
一种基于机器学习的网页代理发现方法，步骤包括：通过爬虫主动获取代理及非代理的网页数据集；从所述网页数据集中分别抽取URL特征和DOM特征，根据该URL特征和/或DOM特征构建一含有多维特征的向量作为训练集；利用机器学习方法在所述训练集上构建模型并进行训练，通过训练出的模型进行网页代理识别。
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中国科学院信息工程研究所，未经中国科学院信息工程研究所许可，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/201710858063.4/，转载请声明来源钻瓜专利网。
