[发明专利]一种基于多源信息融合的互联网视频爬虫方法、系统及搜索系统

权利要求书

1.一种基于多源信息融合的互联网视频爬虫方法，其特征在于，包括：

根据用户输入的检索信息获取初始视频页面；

提取每个初始视频页面的页面信息，所述页面信息至少包括页面内含有的视频页面的统一资源定位符URL、页面文字以及页面图片；

利用所述页面信息获取初始视频页面与检索信息之间的相关性数值；

根据所述相关性数值确定最终展示给用户的结果视频页面；

所述利用所述页面信息获取初始视频页面与检索信息之间的相关性数值，包括：

获取页面中含有的视频页面URL的数量；

获取页面文字中与检索信息相匹配的文字出现的次数；

获取页面图片中与检索信息相匹配的文字出现的次数；

根据页面中含有的视频页面URL的数量，页面文字中与检索信息相匹配的文字出现的次数，以及，页面图片中与检索信息相匹配的文字出现的次数，计算初始视频页面与检索信息之间的相关性数值。

2.根据权利要求1所述的方法，其特征在于，根据用户输入的检索信息获取初始视频页面，包括：

获取用户输入的检索信息；

利用互联网搜索系统或视频网站，获取与所述检索信息相匹配的视频页面，作为初始视频页面。

3.根据权利要求1所述的方法，其特征在于，所述根据所述相关性数值确定最终展示给用户的结果视频页面，包括：

判断是否存在相关性数值符合预设筛选条件的初始视频页面，

如果存在，将相关性数值符合预设筛选条件的初始视频页面确定为结果视频页面。

4.根据权利要求1所述的方法，其特征在于，所述利用所述页面信息获取初始视频页面与检索信息之间的相关性数值，包括：

判断数据库中是否存储初始视频页面与检索信息之间的相关性数值，

如果是，获取数据库中存储的所述相关性数值；

如果否，利用所述页面信息计算初始视频页面与检索信息之间的相关性数值，并将所述相关性数值存储在数据库中。

5.根据权利要求1所述的方法，其特征在于，在执行所述利用所述页面信息获取初始视频页面与检索信息之间的相关性数值步骤之前，还包括：

判断是否存在符合预设获取条件的初始视频页面，

如果是，对符合预设获取条件的初始视频页面执行获取相关性数值的步骤。

6.根据权利要求1所述的方法，其特征在于，所述根据页面中含有的视频页面URL的数量，页面文字中与检索信息相匹配的文字出现的次数，以及，页面图片中与检索信息相匹配的文字出现的次数，计算视频页面与检索信息之间的相关性数值，包括：

根据以下公式计算相关性数值：

F(p)＝a*numFilelink*FactorLink+b*numKeyWord*FactorWord+c*numImage*FactorImage+d*FactorFusion

其中，F(p)为相关性数值；

numFileLink为页面中含有的视频页面URL的数量；

FactorLink为根据numFileLink计算得到的URL积分因子；

numKeyWord为页面文字中与检索信息相匹配的文字出现的次数；

FactorWord为根据numKeyWord计算得到的文字积分因子；

numImage为页面图片中与检索信息相匹配的文字出现的次数；

FactorImage为根据numImage计算得到的图片积分因子；

FactorFusion为根据numFileLink、numKeyWord和numKeyWord计算得到的多源信息融合积分因子；

其中，a,b,c,d为权重因子，且a+b+c+d＝1。