[发明专利]网站的三元组挖掘方法以及三元组挖掘装置有效
| 申请号： | 201310183466.5 | 申请日： | 2013-05-17 |
| 公开（公告）号： | CN104166653B | 公开（公告）日： | 2017-10-31 |
| 发明（设计）人： | 李永强 | 申请（专利权）人： | 北京百度网讯科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京铭硕知识产权代理有限公司11286 | 代理人： | 罗延红,张云珠 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种挖掘网站的三元组的方法以及三元组挖掘装置，该方法包括收集网站的所有网页，并统计所有网页中的每个超链接的锚文本和每个超链接所指向的网页地址URL；统计与URL对应的网页中的超链接锚文本的出现频度，并将出现总频度大于预定标准的超链接锚文本确定为该网页的主实体；将确定的主实体的三元组作为种子三元组来提取网页的模板；将得到的模板与网站的其它网页匹配以提取新的三元组；将提取的新的三元组作为种子三元组，重复执行模板提取、网页匹配和新三元组的提取的操作，直到不再从该网站的网页中提取出新的三元组为止。 | ||
| 搜索关键词： | 网站 三元 挖掘 方法 以及 装置 | ||
【主权项】：
一种挖掘网站的三元组的方法，包括：(a)收集网站的所有网页，并统计所有网页中的每个超链接的锚文本和每个超链接所指向的网页地址URL；(b)统计与URL对应的网页中的超链接锚文本的出现频度，并将出现总频度大于预定标准的超链接锚文本确定为该网页的主实体；(c)将包括步骤(b)确定的主实体的三元组作为种子三元组来提取网页的模板；(d)将步骤(c)得到的模板与网站的其它网页匹配以提取新的三元组；其中，将在步骤(d)提取的新的三元组作为种子三元组，重复执行步骤(c)和步骤(d)，直到在步骤(d)不再从该网站的网页中提取出新的三元组为止，其中，步骤(d)包括：将包括步骤(c)得到的模板中的属性名的网页确定为与所述模板匹配的网页，并基于确定的网页提取新的三元组。
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北京百度网讯科技有限公司，未经北京百度网讯科技有限公司许可，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/201310183466.5/，转载请声明来源钻瓜专利网。
