[发明专利]一种从收藏网页中消除重复网页的方法及系统在审
| 申请号： | 201810601098.4 | 申请日： | 2018-06-12 |
| 公开（公告）号： | CN108897793A | 公开（公告）日： | 2018-11-27 |
| 发明（设计）人： | 丁玉珍 | 申请（专利权）人： | 佛山市灏金赢科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 深圳市精英专利事务所 44242 | 代理人： | 冯筠 |
| 地址： | 528000 广东省佛山市三水区大*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种从收藏网页中消除重复网页的方法，包括如下步骤：获取用于收藏网页的收藏文件夹，并从所述收藏文件夹中获取收藏网页的源代码；根据所述源代码提取所述网页中的至少部分正文内容；将所述至少部分正文内容与在先收藏网页中的对应内容进行相似度计算；在相似度大于或等于一预设相似度时，将该至少部分正文内容对应的网页进行删除操作。根据本发明的网页消重方法的上述技术方案，通过网页正文提取方法，从而提高了提取的准确性及效率，从而使得正文特征的提取更加方便快速，提高了算法效率，降低了特征串两两比较的时间复杂度。 | ||
| 搜索关键词： | 网页 收藏 正文内容 文件夹 相似度 源代码 时间复杂度 相似度计算 源代码提取 删除操作 算法效率 网页正文 特征串 重复 预设 | ||
【主权项】：
1.一种从收藏网页中消除重复网页的方法，其特征在于，包括如下步骤：获取用于收藏网页的收藏文件夹，并从所述收藏文件夹中获取收藏网页的源代码；根据所述源代码提取所述网页中的至少部分正文内容；将所述至少部分正文内容与在先收藏网页中的对应内容进行相似度计算；在相似度大于或等于一预设相似度时，将该至少部分正文内容对应的网页进行删除操作。
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佛山市灏金赢科技有限公司，未经佛山市灏金赢科技有限公司许可，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/201810601098.4/，转载请声明来源钻瓜专利网。
