申请/专利权人：深圳市豪斯莱科技有限公司

申请日：2024-02-28

公开（公告）日：2024-04-02

公开（公告）号：CN117807294A

主分类号：G06F16/951

分类号：G06F16/951;G06F16/955;G06F16/51;G06F16/583;G06F16/13;G06F16/174;G06F18/27;G06F9/50

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明属于爬虫调度管理技术领域，本发明公开了一种多线程网络爬虫调度管理方法及系统，包括：S1、采集历史图片爬虫任务，基于历史图片爬虫任务构建多元线性回归模型与图片库，构建图片查重模型，通过图片查重模型对图片库内的图片进行查重；S2、获取待爬取网页，基于待爬取网页创建实时图片爬虫任务。通过构建图片查重模型，避免存储相同的图片，能减少对重复图片的爬取；通过构建多元线性回归模型，便于实时图片爬虫任务选择合适的线程池规模量；对线程池内线程速度较快的线程进行确定，能够对线程池内的线程进行调度管理，进而提升爬取的效率。

主权项：1.一种多线程网络爬虫调度管理方法，其特征在于，包括：S1、采集历史图片爬虫任务，基于历史图片爬虫任务构建多元线性回归模型与图片库，构建图片查重模型，通过图片查重模型对图片库内的图片进行查重；S2、获取待爬取网页，基于待爬取网页创建实时图片爬虫任务，通过多元线性回归模型对实时图片爬虫任务进行分析，得到线程池规模量；S3、基于线程池规模量创建线程池，通过线程池当前管理的任务对待爬取图片进行爬取，得到爬取图片；S4、对爬取图片以及待爬取图片对应的相同图片编码进行存储。

全文数据：

权利要求：

百度查询： 深圳市豪斯莱科技有限公司 一种多线程网络爬虫调度管理方法及系统

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