公开(公告)号：CN103116635B

公开(公告)日：2015-06-24

申请号：CN201310049317.X

申请日：2013-02-07

Applicant: 中国科学院计算技术研究所

Inventor： 熊锦华 ,  林海伦 ,  程学旗 ,  张永超 ,  廖华明

IPC: G06F17/30

Abstract: 本发明提供了一种面向领域的暗网资源采集方法。该方法从抓取的页面中识别与指定领域相关的页面，获取有效表单集合；对于有效表单集合中的每个表单，判断其表单类型并按照不同的表单类型构造有效查询，所述表单类型为单输入项的表单或多输入项的表单；以及输出有效的查询所返回的结果，作为采集的暗网资源。该方法能够实现暗网资源查询接口的自动识别和分类，同时实现简单查询接口和复杂查询接口的查询的有效构造，从而实现暗网资源的采集。该方法不仅能够无缝的集成到现有的搜索引擎当中，而且能够同时进行简单查询接口和复杂查询接口所指向的暗网资源的采集。

公开(公告)号：CN102289514A

公开(公告)日：2011-12-21

申请号：CN201110263798.5

申请日：2011-09-07

Applicant: 中国科学院计算技术研究所

Inventor： 刘盛华 ,  程学旗 ,  郭嘉丰 ,  刘悦 ,  廖华明 ,  朱亚涛

IPC: G06F17/30

Abstract: 本发明提供一种社会化标签自动标注的方法。该方法包括计算标签词项在文档中的频率(TF)权重，以及由协同过滤CF、一致性话题模型Corr-LDA方法所得的标签权重，并归一化；对上述权重建立线性融合权值模型，并估计线性融合参数；以及基于线性融合模型对社会标签进行自动标注。该发明同时考虑了社会标签与文档具体内容的一致性和抽象语义层的相关性，因此能够提高社会标签自动标注的准确性。