公开(公告)号：CN106611015B

公开(公告)日：2020-08-28

申请号：CN201510707963.X

申请日：2015-10-27

申请人： 北京百度网讯科技有限公司

发明人： 王江 ,  黄畅

IPC分类号： G06F16/45 ,  G06F16/48 ,  G06K9/62

摘要： 本发明提供一种标签的处理方法及装置。本发明实施例通过获取资源的语义特征数据，进而根据所述资源的语义特征数据，获得所述资源的至少一个标签序列的后验概率，使得能够根据所述后验概率，选择一个标签序列，以作为所述资源的标签集合，从而实现了获得资源的多个标签的目的。

公开(公告)号：CN106611015A

公开(公告)日：2017-05-03

申请号：CN201510707963.X

申请日：2015-10-27

申请人： 北京百度网讯科技有限公司

发明人： 王江 ,  黄畅

IPC分类号： G06F17/30 ,  G06K9/62

CPC分类号： G06N3/08 ,  G06F7/08 ,  G06F16/958 ,  G06N3/04 ,  G06N3/0445 ,  G06N3/0454 ,  G06N7/005 ,  G06F16/48 ,  G06K9/6267

摘要： 本发明提供一种标签的处理方法及装置。本发明实施例通过获取资源的语义特征数据，进而根据所述资源的语义特征数据，获得所述资源的至少一个标签序列的后验概率，使得能够根据所述后验概率，选择一个标签序列，以作为所述资源的标签集合，从而实现了获得资源的多个标签的目的。

公开(公告)号：CN103226568A

公开(公告)日：2013-07-31

申请号：CN201310078316.8

申请日：2013-03-12

申请人： 北京百度网讯科技有限公司

发明人： 王江 ,  刘浩

IPC分类号： G06F17/30

摘要： 本发明的目的是提供一种用于爬取页面的方法与设备。其中，爬取设备根据已爬取页面，获取对应候选爬取页面的候选页面标识信息；根据所述候选爬取页面与所述已爬取页面的关联性信息，将所述候选页面标识信息添加至对应的待爬页面集合，其中，所述待爬页面集合包括一个或多个待爬取页面的页面标识信息；根据所述待爬页面集合，确定待爬取页面的目标爬取标识信息；爬取所述目标爬取标识信息所对应的目标页面。与现有技术相比，本发明通过根据所述关联性信息，有效的控制了爬取的调度行为，以实现爬取调度的可配置性，使得爬取能够目的性的扩散，控制爬虫在网页间移动的方向和速度，提高了垂直爬虫的爬取效率，保证了爬取数据的完整性。