一种爬虫系统的URL爬取方法、装置、介质及电子设备
基本信息
| 申请号 | CN202110176855.X | 申请日 | - |
| 公开（公告）号 | CN112836111A | 公开（公告）日 | 2021-05-25 |
| 申请公布号 | CN112836111A | 申请公布日 | 2021-05-25 |
| 分类号 | G06F16/951;G06F16/955 | 分类 | 计算；推算；计数; |
| 发明人 | 冯煜博;陈伟成 | 申请（专利权）人 | 沈阳麟龙科技股份有限公司 |
| 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 |
| 地址 | 110117 辽宁省沈阳市浑南区白塔二南街18-2号 | ||
| 法律状态 | - | ||
摘要
| 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。 |
