专利详情

专利名称	一种面向主题的信息采集方法和系统
申请号	CN200810223523.7	专利类型	发明专利
公开（公告）号	CN101382956	公开（授权）日	2009.03.11
申请（专利权）人	中国科学院计算技术研究所	发明（设计）人	李佳文;张勇东;郭俊波
主分类号	G06F17/30(2006.01)I	IPC主分类号	G06F17/30(2006.01)I
专利有效期	一种面向主题的信息采集方法和系统至一种面向主题的信息采集方法和系统	法律状态	实质审查的生效
说明书摘要	本发明提供一种面向主题的信息采集方法，包括下列步骤：1)根据待采集链接队列中链接的顺序，从所述待采集链接队列中获得多个链接，采集并存储所述多个链接的页面内容，提取所述页面中的新链接，判定所述页面的主题相关性，提取所述页面的相关链接集合，将所述新链接添加到所述待采集链接队列中；2)根据所述页面的相关链接集合和所述页面的主题相关性，计算所有链接的页面的主题相关性，并调整添加了所述新链接的待采集链接队列中的链接的顺序，重复步骤1和2直至采集结束。上述方法极大的减小了对存储空间的需求；并且提高了面向主题信息采集的有效性。