基本信息:
- 专利标题： 一种基于PageRank算法的医疗数据爬取方法及系统
- 申请号：CN201910507881.9 申请日：2019-06-12
- 公开(公告)号：CN110347896B 公开(公告)日：2021-09-21
- 发明人： 王刘旺 , 戴彦 , 韩嘉佳 , 颜拥 , 姚影 , 杨杨 , 喻鹏 , 郝茂杰
- 申请人： 国网浙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 北京邮电大学
- 申请人地址： 浙江省杭州市下城区朝晖八区华电弄1号; ;
- 专利权人： 国网浙江省电力有限公司电力科学研究院,国家电网有限公司,北京邮电大学
- 当前专利权人： 国网浙江省电力有限公司电力科学研究院,国家电网有限公司,北京邮电大学
- 当前专利权人地址： 浙江省杭州市下城区朝晖八区华电弄1号; ;
- 代理机构： 浙江翔隆专利事务所
- 代理人： 张建青
- 主分类号： G06F16/951
- IPC分类号： G06F16/951 ; G06F16/23
摘要：
本发明公开了一种基于PageRank算法的医疗数据爬取方法及系统。本发明的医疗数据爬取方法，包括步骤：用户根据需要输入要爬取的医疗关键词；计算网页时间因子及潜在相关性因子；计算得到第一轮PR值，并临时存入数据库中；对各网页中的超链接进行权重计算；计算得到第二轮PR值，并更新数据库；比较PR值大小，获取PR值最大的N个网页；输出PR值最大的N个网页。本发明能够有效的解决传统通用爬虫算法偏重旧网页、主题漂移和偏重综合性网页的缺陷，可以高效、准确的爬取医疗数据网页。
公开/授权文献:
- CN110347896A 一种基于PageRank算法的医疗数据爬取方法及系统 公开/授权日：2019-10-18
IPC结构图谱:
| G | 物理 |
| --G06 | 计算；推算；计数 |
| ----G06F | 电数字数据处理 |
| ------G06F16/00 | 信息检索；数据库结构；文件系统结构 |
| --------G06F16/10 | .文件系统；文件服务器 |
| ----------G06F16/95 | ..从网上检索 |
| ------------G06F16/951 | ...索引；网络抓取技术 |