【摘要】 本发明涉及一种基于文本分析的面向视频网站的互联网视频方法。已有的方法重于文字上的，用户到的往往是一篇文章，或者是别人的博客内容。本发明首先建立词库，分析原始URL的源代码，把新得到的URL链接及文字信息保存到队列中。其次分析新得到的URL链接及其文字信息，把不符合下载要求的地址去除掉，避免下载多余的视频；然后根据得到的URL链接下载视频，并把视频保存在本地。最后每隔一定时间，对已有视频信息进行增量更新。本发明是面向视频的方法，面向的是视频网站上的视频，不涉及文字方面的，使用户可以专于视频上的，而不被互联网上庞大的文字信息所困扰。 微信 【专利类型】发明授权 【申请人】杭州电子科技大学 【申请人类型】学校 【申请人地址】310018 浙江省杭州市下沙高教园区2号大街 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】上城区 【申请号】CN201210119557.8 【申请日】2012-04-23 【申请年份】2012 【公开公告号】CN102622454B 【公开公告日】2014-05-28 【公开公告年份】2014 【授权公告号】CN102622454B 【授权公告日】2014-05-28 【授权公告年份】2014.0 【IPC分类号】G06F17/30 【发明人】姜明; 岑沛斯; 王兴起; 胡宏宇; 郭利刚; 沈幸峰; 祁磊 【主权项内容】一种基于文本分析的面向视频网站的互联网视频方法，通过对视频文字信息的分析，下载符合要求的视频，包括如下步骤：(1)建立词库；(2)分析原始URL的源代码，把新得到的URL链接及文字信息保存到队列中；(3)分析新得到的URL链接及其文字信息，把不符合下载要求的地址去除掉，避免下载多余的视频；(4)根据得到的URL链接下载视频，并把视频保存在本地；(5)每隔一定时间，对已有视频信息进行增量更新；其特征在于：建立词库包括如下步骤：1)在数据库中建立包括id，key，time列的数据表，其中id列表示某个词在数据库中排列的序列号，key列表示某个词的具体含义，time列表示某个词存入数据库的时间，id列和key列为联合主键；2)将需要的词存入此数据库中，用于结果比对；分析原始URL源代码包括如下步骤：1)设置一个用来保存URL及文字信息的队列，队列的特点是先进先出，先保存的信息先分析；2)提取源代码中的新URL链接地址及其文字信息，将其保存到队列中；分析队列中URL链接及文字信息的步骤如下：1)设置一个最大线程并发数，开启这些线程，线程依次访问队列中的信息；2)线程先对队列中取出的URL地址进行分析，判断此地址是否属于此网站的地址，若此地址不属于此网站的地址，则不作处理；若此地址属于此网站的地址，则分析此地址的源代码，将获得新的链接地址及文字信息，将其保存到队列中；3)对符合要求的URL的文字进行分析，采用正向减字最大匹配算法，具体是：假设自动分词词典中的最长词条所含汉字个数为m，则取被处理文字中当前字符串中的前m个字符作为匹配字段，查找自动分词词典，如自动分词词典中存在这样的一个长度为m的词，则匹配成功，匹配字段作为一个词被切分出来；如自动分词词典中找不到这样的一个长度为m的字词，则将匹配字段去掉最后一个汉字，剩下的m-1个字符作为新的匹配字段，进行新的匹配，如此反复，直至切分出一个词，完成一轮匹配切分出一个词，再按上述步骤进行，直到切分出所有的词为止；得到分词结果并将分词结果保存到一个临时队列中；4)用分词所得到的结果去匹配已有的词库，如果词库中存在此结果，则将此链接地址及文字描述信息保存在数据库中，如果不存在此结果，则不保存到数据库；下载视频并把视频保存的步骤如下：1)根据URL地址得到视频的下载地址，开启线程根据下载地址下载视频；2)将下载后的视频保存在本地，并将其标题，视频长度，评论数，点击量保存地址信息保存到数据库中；对视频信息进行增量更新的步骤如下：1)取出数据库中已保存的URL链接地址，获得其对应视频的点击量，评论数信息；2)根据点击量、评论数信息，与获得的最新信息进行比较，若有变化，将最新的信息更新到数据库中，若没有变化，则不进行更新。 【当前权利人】杭州远传新业科技股份有限公司 【当前专利权人地址】浙江省杭州市滨江区信诚路857号世贸中心23楼 【专利权人类型】公立 【统一社会信用代码】12330000470009026T 【引证次数】3.0 【他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】3

未经允许不得转载：http://www.zhongzhencnc.com/1791468850.html