一种爬虫系统的URL爬取方法、装置、介质及电子设备
授权
摘要
本发明实施例公开了一种爬虫系统的URL爬取方法、装置、介质及电子设备。该方法包括：获取爬虫系统的目标网页；采用部署价值评估模型的爬虫系统，对所述目标网页中的锚文本和锚文本对应的URL进行价值估计；所述价值评估模型是基于训练网页的锚文本和锚文本对应的URL的价值函数进行训练得到的；根据价值估计结果进行爬取顺序的排序，然后根据URL的顺序进行爬取操作，并在满足爬取终止条件时，终止所述URL爬取操作，得到网页集合。通过采用本申请所提供的技术方案，可以针对现有的爬虫系统的爬取效率低，真正有效的网页内容较少的问题，采用基于深度学习的爬取策略，可以得到在一定的时间内将爬虫系统爬取的网页价值最大化的目的。
基本信息
专利标题 ：
一种爬虫系统的URL爬取方法、装置、介质及电子设备
专利标题（英）：
暂无
公开（公告）号 ：
CN112836111A
申请号 ：
CN202110176855.X
公开（公告）日 ：
2021-05-25
申请日 ：
2021-02-09
授权号 ：
CN112836111B
授权日 ：
2022-05-31
发明人 ：
冯煜博陈伟成
申请人 ：
沈阳麟龙科技股份有限公司
申请人地址 ：
辽宁省沈阳市浑南区白塔二南街18-2号
代理机构 ：
北京国昊天诚知识产权代理有限公司
代理人 ：
南霆
优先权 ：
CN202110176855.X
主分类号 ：
G06F16/951
IPC分类号 ：
G06F16/951 G06F16/955
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F16/951
•••索引; 网络抓取技术
法律状态
2022-05-31 ：
授权
2021-06-11 ：
实质审查的生效
IPC(主分类) : G06F 16/951
申请日 : 20210209
申请日 : 20210209
2021-05-25 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
