[发明专利]一种基于搜索策略的多主题信息采集方法

摘要

本发明是一种基于搜索策略的多主题信息采集方法，其步骤如下（1）将主题规则集拆分成原子规则集；（2）判定原子规则集中原子规则的关系；（3）将原子规则集调度到内置搜索队列、通用搜索队列；（4）用和中的原子规则进行搜索采集。本发明方法针对多主题信息采集效率低下的问题，提出将主题的规则拆分成原子规则，并利用原子规则间的相同、互换、包含三种关系达到减少在互联网上搜索采集次数的目的，提高了多主题信息采集的性能。

主权项

一种基于搜索策略的多主题信息采集方法，其特征在于：其具体步骤如下：A、将主题规则集R拆分成原子规则集Ra；B、判定原子规则集Ra中原子规则的关系；C、将原子规则集Ra分配到内置搜索队列QI、通用搜索队列Qc；D、用QI和Qc中的原子规则进行搜索采集；步骤A中所述的将主题规则集R拆分成原子规则集Ra，其具体步骤如下：A1、依次从R中取出每条主题规则Ri，Ra置空；A2、判段Ri中是否包含“+”关系；如果包含，则转步骤A3；否则，Ra＝{Ri}，转步骤A5；A3、判断Ri中是否存在“与”分配律；如果存在m个(m＞0)，循环执行m次“与”分配律运算，得到Ri′；否则，Ri′＝Ri，转步骤A4；A4、依据“+”关系将Ri′切分成n条原子规则，将n条原子规则放入Ra，转步骤A5；A5、得到原子规则集Ra；步骤(C)中所述的将原子规则集Ra分配到内置搜索队列QI、通用搜索队列Qc，其具体步骤如下：C1、遍历Ra中所有原子规则，没有关系的原子规则直接分别放入QI、Qc；如果原子规则有关系，记有关系的原子规则集为Ra′，判定Ra′是否为空，如果不为空，转步骤C2；否则，转步骤C6；C2、从Ra′取出一条原子规则，判断它与其他原子规则之间的关系；如果两条原子规则选或分别放入QI、Qc，转步骤C5；否则，转步骤C3；C3、如果选或放入QI，选和放入Qc，转步骤C5；否则转步骤C4；C4、如选放入QI，选和放入Qc，转步骤C5；C5、判断Ra′中的原子规则是否全部分配完毕，完成转步骤C6；否则，转步骤C2；C6、得到内置搜索队列QI和通用搜索队列Qc。