[发明专利]一种网页爬虫方法、装置以及电子设备在审
| 申请号： | 201810082418.X | 申请日： | 2018-01-29 |
| 公开（公告）号： | CN108415941A | 公开（公告）日： | 2018-08-17 |
| 发明（设计）人： | 张星 | 申请（专利权）人： | 湖北省楚天云有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京国帆知识产权代理事务所(普通合伙) 11334 | 代理人： | 王荣 |
| 地址： | 430000 湖北省武汉市东湖开发区花城大*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本说明书实施例公开了一种网页爬虫方法、装置以及电子设备，所述方法包括：确定待爬取主题，获得对应的主题向量表示；基于从未爬取列表中确定的未爬取URL，获取对应页面的内容向量表示；根据所述内容向量表示与所述主题向量表示的相关度，确定所需URL。同时设置未爬取URL列表和已爬取URL列表，并将完成爬取的URL存储到已爬取URL列表中，放置对URL的重复爬取，可以有效提高爬取的效率；进一步地，为了提高爬取的准确率，对待爬取URL对应的网页内容与待爬取主题的相关度进行计算，对相关度比较高的URL进行爬取，并将爬取过的URL存储到已爬取URL列表中；基于上述方案，能够实现准确、高效的网页爬虫。 | ||
| 搜索关键词： | 网页爬虫 相关度 电子设备 内容向量 主题向量 网页内容 准确率 重复 | ||
【主权项】：
1.一种网页爬虫方法，其特征在于，包括：确定待爬取主题，获得对应的主题向量表示；基于从未爬取列表中确定的未爬取URL，获取对应页面的内容向量表示；根据所述内容向量表示与所述主题向量表示的相关度，确定所需URL。
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湖北省楚天云有限公司，未经湖北省楚天云有限公司许可，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/201810082418.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种多功能相框
- 下一篇：个性化教唱和演唱评分二维码生成方法、装置和系统
