[发明专利]基于云平台的消除近似重复网页方法在审
| 申请号： | 201310537406.9 | 申请日： | 2013-11-04 |
| 公开（公告）号： | CN103559259A | 公开（公告）日： | 2014-02-05 |
| 发明（设计）人： | 向阳;陈佑雄;张依杨;平宇;张波;袁书寒 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海东亚专利商标代理有限公司 31208 | 代理人： | 陈树德;刘莹 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于云平台的消除近似重复网页的实现方法，该方法包括以下步骤：网页预处理，提取网页正文；在正文中提取特征项用于表征正文内容；计算特征项的指纹，对特征项进行压缩或降维处理以方便存储和检索；基于特征指纹计算相似度，判定原始网页是否近似。本发明具有能够极大程度地减少遗漏近似重复网页重复，能较好地支持多种网页结构下的相似度计算等优点。 | ||
| 搜索关键词： | 基于 平台 消除 近似 重复 网页 方法 | ||
【主权项】：
一种基于云平台的消除近似重复网页方法，其特征在于：该方法包括以下步骤：⑴网页预处理，提取网页正文；⑵在正文中提取特征项用于表征正文内容；⑶计算特征项的指纹，对特征项进行压缩或降维处理以方便存储和检索；⑷基于特征指纹计算相似度，判定原始网页是否近似。
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同济大学，未经同济大学许可，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/201310537406.9/，转载请声明来源钻瓜专利网。
