[发明专利]一种基于PageRank算法的医疗数据爬取方法及系统有效
| 申请号： | 201910507881.9 | 申请日： | 2019-06-12 |
| 公开（公告）号： | CN110347896B | 公开（公告）日： | 2021-09-21 |
| 发明（设计）人： | 王刘旺;戴彦;韩嘉佳;颜拥;姚影;杨杨;喻鹏;郝茂杰 | 申请（专利权）人： | 国网浙江省电力有限公司电力科学研究院;国家电网有限公司;北京邮电大学 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F16/23 |
| 代理公司： | 浙江翔隆专利事务所(普通合伙) 33206 | 代理人： | 张建青 |
| 地址： | 310014 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于PageRank算法的医疗数据爬取方法及系统。本发明的医疗数据爬取方法，包括步骤：用户根据需要输入要爬取的医疗关键词；计算网页时间因子及潜在相关性因子；计算得到第一轮PR值，并临时存入数据库中；对各网页中的超链接进行权重计算；计算得到第二轮PR值，并更新数据库；比较PR值大小，获取PR值最大的N个网页；输出PR值最大的N个网页。本发明能够有效的解决传统通用爬虫算法偏重旧网页、主题漂移和偏重综合性网页的缺陷，可以高效、准确的爬取医疗数据网页。 | ||
| 搜索关键词： | 一种 基于 pagerank 算法 医疗 数据 方法 系统 | ||
【主权项】：
1.一种基于PageRank算法的医疗数据爬取方法，其特征在于，包括步骤：S1、用户根据需要输入要爬取的医疗关键词；S2、计算网页时间因子及潜在相关性因子；S3、计算得到第一轮PR值，并临时存入数据库中；S4、对各网页中的超链接进行权重计算；S5、计算得到第二轮PR值，并更新数据库；S6、比较PR值大小，用户根据需要获取PR值最大的N个网页；S7、输出PR值最大的N个网页。
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国网浙江省电力有限公司电力科学研究院;国家电网有限公司;北京邮电大学，未经国网浙江省电力有限公司电力科学研究院;国家电网有限公司;北京邮电大学许可，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/201910507881.9/，转载请声明来源钻瓜专利网。
