[发明专利]网页去重方法、装置及设备有效
| 申请号： | 201910181072.3 | 申请日： | 2019-03-11 |
| 公开（公告）号： | CN110008419B | 公开（公告）日： | 2023-07-14 |
| 发明（设计）人： | 戴松;纪超 | 申请（专利权）人： | 创新先进技术有限公司 |
| 主分类号： | G06F16/955 | 分类号： | G06F16/955;G06F16/958 |
| 代理公司： | 北京晋德允升知识产权代理有限公司 11623 | 代理人： | 王戈 |
| 地址： | 开曼群岛大开曼岛乔治镇医院*** | 国省代码： | 暂无信息 |
| 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去重方法、装置及设备。方案包括：通过将已采集网页的统一资源定位符和信息指纹相结合，来预先泛化出去重规则，其中去重规则用于表征相似网页的URL的结构规则，然后在采集目标网页前，可利用去重规则对目标网页的URL进行去重。 | ||
| 搜索关键词： | 网页 方法 装置 设备 | ||
【主权项】：
1.一种网页去重方法，包括：获取目标网页对应的统一资源定位符数据；确定所述目标网页对应的统一资源定位符数据是否与预设的去重规则库中的去重规则匹配，所述去重规则用于表征相似网页的统一资源定位符的结构规则，所述去重规则为将若干已采集网页的统一资源定位符数据和所述若干已采集网页的信息指纹共同泛化得到；根据匹配结果对所述目标网页进行去重处理。
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创新先进技术有限公司，未经创新先进技术有限公司许可，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/201910181072.3/，转载请声明来源钻瓜专利网。
