申请/专利权人：北京麦克斯泰科技有限公司

申请日：2023-02-22

公开（公告）日：2023-11-10

公开（公告）号：CN116401435B

主分类号：G06F16/951

分类号：G06F16/951;G06F16/955

优先权：

专利状态码：有效-授权

法律状态：2023.11.10#授权;2023.07.25#实质审查的生效;2023.07.07#公开

摘要：本申请公开了一种日活跃栏目热度计算及调度方法和装置，通过获取目标栏目的历史文章URL集合、历史文章发布时间属性、历史文章标题属性、新文章URL集合、新文章发布时间属性、新文章标题属性和文章平均发布时间间隔，计算得到每小时爬虫有效系数、文章价值系数和发布时间间隔系数，根据每小时爬虫有效系数、文章价值系数和发布时间间隔系数得到目标栏目的最终得分；计算采集资源；将计算好的采集资源按照栏目等级均分，得到每等级每小时采集份数。本申请提供的日活跃栏目热度计算及调度方法和装置从多个维度对栏目进行了评分，通用性好，能够动态调整栏目热度分级，无需进行二次请求或额外的请求来计算栏目热度，减少了资源浪费。

主权项：1.一种日活跃栏目热度计算及调度方法，其特征在于，包括：获取目标栏目的历史文章URL集合、历史文章发布时间属性、历史文章标题属性、新文章URL集合、新文章发布时间属性和新文章标题属性；从数据库中获取所述目标栏目的文章平均发布时间间隔；根据所述目标栏目的历史文章URL集合、历史文章发布时间属性、历史文章标题属性、新文章URL集合、新文章发布时间属性和新文章标题属性以及所述文章平均发布时间间隔计算得到每小时爬虫有效系数、文章价值系数和发布时间间隔系数；根据所述每小时爬虫有效系数、所述文章价值系数和所述发布时间间隔系数得到所述目标栏目的最终得分，根据所述目标栏目的最终得分和原有得分的均值划分栏目等级；计算采集资源；将计算好的采集资源按照栏目等级均分，得到每等级每小时采集份数；所述每小时爬虫有效系数是根据第一公式计算得到的；所述第一公式为： 其中，HSEC为每小时爬虫有效系数，NewArticleCount为目标栏目采集到的新文章总数，ArticleCount为目标栏目的文章总数，MaxNewArticlePublicTime为目标栏目中新文章的最晚发布时间，MinNewArticlePublicTime为目标栏目中新文章的最早发布时间，MaxArticlePublicTime为目标栏目中所有文章的最晚发布时间，MinArticlePublicTime为目标栏目页中所有文章的最早发布时间；所述文章价值系数是根据第二公式计算得到的，所述第二公式为： 其中，AriceleValueEffectiveCoefficient为文章价值系数，TitleLengthFactor为最有价值文章标题长度，SumNewArticleTitleList为目标栏目的新文章标题集合的文字总长度，CountNewArticleTitleList为目标栏目的新文章标题个数；所述最有价值文章标题长度为18；所述发布时间间隔系数是根据第三公式计算得到的，所述第三公式为： 其中，PTIC为发布时间间隔系数，AvgNewArticlePublicTimeList为目标栏目新文章发布时间平均间隔，0.6为目标栏目新文章发布时间平均间隔的权重系数，OldArticlePublicTimeAvg为目标栏目历史文章发布时间平均间隔，0.4为目标栏目历史文章发布时间平均间隔的权重系数；所述目标栏目的最终得分是根据第四公式计算得到的，所述第四公式为：ChannelValue＝HSEC*40+AriceleValueEffectiveCoefficient*20+PTIC*30+Random0，1*10其中，ChannelValue为目标栏目的最终得分，Random0，1为随机干预系数；所述采集资源是根据第五公式计算得到的，所述第五公式为： 其中，SpiderChannelResource为采集资源，SpiderResourceShare为总采集资源的分片数。

全文数据：

权利要求：

百度查询： 北京麦克斯泰科技有限公司 一种日活跃栏目热度计算及调度方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD