基于强化学习的自适应网页结构变化的数据采集方法及系统2026

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117874319 A (43)申请公布日 2024.04.12 (21)申请号 202410268836.3 (22)申请日 2024.03.11 (71)申请人 江西顶易科技发展有限公司 地址 330000 江西省南昌市红谷滩区学府 大道899号慧谷创意产业园味粽空间B 座2层B5室 (72)发明人 陈景宏　孙斌　 (74)专利代理机构 南昌明佳知识产权代理事务 所(普通合伙) 36132 专利代理师 杨晨辉 (51)Int.Cl. G06F 16/951 (2019.01) G06F 16/955 (2019.01) G06F 16/33 (2019.01) G06F 40/30 (2020.01) 权利要求书2页 说明书6页 附图4页 (54)发明名称 基于搜索引擎的信息挖掘方法、装置及计算 机设备 (57)摘要 本发明公开了一种基于搜索引擎的信息挖 掘方法、装置及计算机设备，属于计算机技术领 域。本发明根据主题词利用引擎搜索确定种子链 接，根据种子链接进行用户信息挖掘。通过第一 拓展词调整子链接的继承权重，进而调整第二队 列的顺序，通过第二拓展词调整目标URL的引用 权重，进而调整第一队列的顺序，增加关联页面 的聚集程度，提高爬虫效率。通过链接索引表避 免子链接被重复解析。通过计算网页下载数，能 够清楚地了解信息挖掘的进度。通过设置最大下