天眼查財(cái)產(chǎn)線索信息顯示，近日，deepseek關(guān)聯(lián)公司杭州深度求索人工智能基礎(chǔ)技術(shù)研究有限公司申請的“一種廣度數(shù)據(jù)采集的方法及其系統(tǒng)”專利公布。
摘要顯示，本發(fā)明涉及數(shù)據(jù)采集領(lǐng)域，包括建立網(wǎng)頁元信息庫；確定每日調(diào)度單元下載配額及當(dāng)日下載總額度；從網(wǎng)頁元信息庫中選取相應(yīng)數(shù)量的鏈接，分配下載額度；下載過程控制；下載文本進(jìn)行后處理及數(shù)據(jù)清洗后進(jìn)入回灌隊(duì)列，通過信息回灌實(shí)現(xiàn)網(wǎng)頁元信息庫更新。本發(fā)明的有益效果在于：發(fā)現(xiàn)盡可能多的網(wǎng)頁鏈接，并減少對網(wǎng)站的流量沖擊；對已經(jīng)下載的內(nèi)容進(jìn)行分析，對未下載的連接進(jìn)行質(zhì)量推斷，通過擇優(yōu)下載分配額度的方式，減少低質(zhì)量網(wǎng)頁下載和重復(fù)下載，提高數(shù)據(jù)質(zhì)量及下載效率，減少在數(shù)據(jù)采集過程中網(wǎng)絡(luò)資源的消耗；采用單獨(dú)的信息回灌隊(duì)列，保證網(wǎng)頁元信息庫修改操作的原子性和穩(wěn)定性。