[发明专利]一种基于爬虫的网页自动分类方法在审
| 申请号： | 202011172739.2 | 申请日： | 2020-10-28 |
| 公开（公告）号： | CN112115269A | 公开（公告）日： | 2020-12-22 |
| 发明（设计）人： | 张良;刘岳;王一宇;窦禹;杨秉杰 | 申请（专利权）人： | 国家计算机网络与信息安全管理中心河南分中心 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/33;G06K9/62;G06F16/951;G06F40/284 |
| 代理公司： | 北京永创新实专利事务所 11121 | 代理人： | 易卜 |
| 地址： | 450008 *** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于爬虫的网页自动分类方法，涉及数据分析领域，具体包括：首先，针对待分类的网页，利用定制爬虫获取内容信息并分出关键词。然后，逐个选取各关键词，依次比对是否属于互联网关键词类别库，如果是，得到该网页所属的类别个数M；否则，将不属于任何类别库的关键词单独记录。当类别个数M值大于等于2时，基于贝叶斯多维分类模型，随机选取2个类别，迭代判定该网页属于哪个类别的概率最大，将单独记录的关键词写入该类别词库中。当M的值等于1，则直接获取该网页所属类别，将单独记录的关键词写入；反之M等于0，则该网页内容属于暂时无法识别的网页，将其放入未识别网页词库中。本发明可以有效地提升网页分类的准确率。 | ||
| 搜索关键词： | 一种 基于 爬虫 网页 自动 分类 方法 | ||
【主权项】：
暂无信息
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国家计算机网络与信息安全管理中心河南分中心，未经国家计算机网络与信息安全管理中心河南分中心许可，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/202011172739.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种皮革油边工艺自动提升晾晒装置
- 下一篇：一种家用中水利用节水器
