[发明专利]网页数据去重的方法及装置在审
| 申请号： | 201510601060.3 | 申请日： | 2015-09-18 |
| 公开（公告）号： | CN106547764A | 公开（公告）日： | 2017-03-29 |
| 发明（设计）人： | 史立华 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京鼎佳达知识产权代理事务所(普通合伙)11348 | 代理人： | 王伟锋,刘铁生 |
| 地址： | 100086 北京市海淀区*** | 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： | 本发明公开了一种网页数据去重的方法及装置，涉及信息技术领域，解决了现有的网页数据去重的准确率较低的问题。本发明的主要技术方案为首先从待插入的网页数据中获取网页内容数据和网页标记数据，然后根据所述网页内容数据和所述网页标记数据生成网页标识信息，最后判断分布式搜索引擎中是否存储有所述网页标识信息，若否，则将所述待插入的网页数据和与所述待插入的网页数据对应的网页标识信息对应存储到所述分布式搜索引擎中。本发明主要用于去除重复的网页数据。 | ||
| 搜索关键词： | 网页 数据 方法 装置 | ||
【主权项】：
一种网页数据去重的方法，其特征在于，包括：从待插入分布式搜索引擎的网页数据中获取网页内容数据和网页标记数据；根据所述网页内容数据和所述网页标记数据生成网页标识信息；判断分布式搜索引擎中是否存储有所述网页标识信息，所述分布式搜索引擎中存储有各个网页数据和与所述各个网页数据分别对应的网页标识信息；若否，则将所述待插入的网页数据和与所述待插入的网页数据对应的网页标识信息对应存储到所述分布式搜索引擎中。
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国双科技有限公司，未经北京国双科技有限公司许可，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/201510601060.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种电机用矽钢片的制作方法
- 下一篇：用于永磁同步电机齿槽转矩削弱的新方法
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
