[发明专利]一种藏文网页的爬虫设计和网页净化方法和系统在审
| 申请号： | 202011433751.4 | 申请日： | 2020-12-10 |
| 公开（公告）号： | CN112328945A | 公开（公告）日： | 2021-02-05 |
| 发明（设计）人： | 更太加;魏建国 | 申请（专利权）人： | 青海民族大学 |
| 主分类号： | G06F16/958 | 分类号： | G06F16/958;G06F16/957;G06F16/955;G06F16/951 |
| 代理公司： | 北京华智则铭知识产权代理有限公司 11573 | 代理人： | 李树祥 |
| 地址： | 810007*** | 国省代码： | 青海;63 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种藏文网页的爬虫设计和网页净化方法和系统，通过藏文网页的URL和文字编码来爬取，抽取网页正文，网页正文是相对网页噪声而言，现有网页页面的很多篇幅用在广告、搜索推荐和其他链接上，网页搜索工具关注的是网页本身要表达的信息，所以在通过爬虫获取到页面源码之后,去除那些与本文无关的噪声，抽取到网页正文，经过实际测试，此藏文网页净化程序对于藏文网页文本的噪声去除率为90%，达到预期效果。 | ||
| 搜索关键词： | 一种 藏文 网页 爬虫 设计 净化 方法 系统 | ||
【主权项】：
暂无信息
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青海民族大学，未经青海民族大学许可，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/202011433751.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种治疗乳腺癌的中药配方
- 下一篇：一种藏文网页摘要自动生成方法和系统
