发明名称 | 一种互联网上镜像和准镜像网站的识别方法 | ||
摘要 | 本发明为一种互联网上镜像和准镜像网站的识别方法。该方法是通过对已知的大量网站首页进行相似度判定,选取候选镜像网站组;再通过对候选镜像网站组中的网站上内容进行抽样比较统计,通过设定相似度阈值的方法获得镜像和准镜像网站。该方法对于需要大量采集互联网上信息的系统(如搜索引擎)具有十分重要的意义,可以避免这类系统对雷同信息的重复获取,节省网络资源和本地资源,提高系统服务的质量和效率。 | ||
申请公布号 | CN1435775A | 申请公布日期 | 2003.08.13 |
申请号 | CN02100550.8 | 申请日期 | 2002.01.31 |
申请人 | 百度在线网络技术(北京)有限公司 | 发明人 | 雷鸣;徐海洋;郭眈;崔珊珊;刘建国 |
分类号 | G06F17/30 | 主分类号 | G06F17/30 |
代理机构 | 中国商标专利事务所有限公司 | 代理人 | 徐小琴 |
主权项 | 1、一种互联网上镜像和准镜像网站的识别方法,该方法通过含由内容获取服务器,相似性分析服务器,配置和展示服务器,网站信息数据库四个部分组成的识别系统,执行互连网上镜像和准镜像网站的识别,其特征在于:该方法的步骤包括对于一组已知网站,通过工具将其首页获取并判断其相似程度,将相似程度大的网站归为候选网站组,对候选网站组中的网站,采取使用工具在网站内抽样的方式决定镜像和准镜像网站。 | ||
地址 | 100080北京市海淀区北大资源宾馆1420室 |