[发明专利]基于MD5三叉树和改进BIRCH算法的互联网论文数据自动抽取算法有效
| 申请号： | 202110751368.1 | 申请日： | 2021-07-02 |
| 公开（公告）号： | CN113486228B | 公开（公告）日： | 2022-05-10 |
| 发明（设计）人： | 宫继兵;张瀚允;寇肖萌;龚石山;彭吉全 | 申请（专利权）人： | 燕山大学 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F16/35;G06F16/903 |
| 代理公司： | 北京孚睿湾知识产权代理事务所(普通合伙) 11474 | 代理人： | 韩燕 |
| 地址： | 066004 河北省*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于MD5三叉树和改进BIRCH算法的互联网论文数据自动抽取算法，该方法包括：从所需要抽取出互联网论文数据的网站中抓取数据，进行页面清洗与预处理，基于MD5三叉树进行站内静态噪音去除，基于节点间相似度进行页间动态噪音去除，融合DBSCAN密度聚类算法对样本点数据进行密集区域与稀疏区域的划分，融合密度因素构建ACF树，修正密集区域与稀疏区域生成ACF森林，基于改进BIRCH算法进行字段单元构建，将得到的字段单元通过字段匹配与页面内容提取方法对字段单元和字段进行匹配，从而得到所需要提取的网页数据。本发明噪音去除技术更优，字段单元构建与字段匹配更高效，能有效解决互联网论文数据自动抽取问题。 | ||
| 搜索关键词： | 基于 md5 三叉 改进 birch 算法 互联网 论文 数据 自动 抽取 | ||
【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燕山大学，未经燕山大学许可，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/202110751368.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种方便与拔插的三相多功能电力仪表
- 下一篇：安全采血针
