CN1625123A - 分类汇集与管理互联网信息的方法 - Google Patents

Abstract

一种分类汇集与管理互联网信息的方法，其目的在于按照信息本身的特征来有效地分类汇集与管理网页信息。该方法以信息分类树的主干、支干与树叶分别代表信息的文字分类、内容分类和网页记录的集合，并根据所联接的网页记录数量的变化来增加或减少分类树的相关支干，从而以分类树支干结构的增减调整来真实地反映出互联网信息的动态变化。

Description

分类汇集与管理互联网信息的方法

技术领域

本发明涉及一种能够分类汇集与管理互联网信息的方法。其目的在于用信息分类树的主干、支干与树叶来分别代表显示网页的语言文字名称、网页的内容分类名称和网页记录，如此将各信息网站的网页记录联接到分类树上实现互联网信息的分类汇集与管理，同时还可通过分类树支干结构的调整来准确地反映出互联网信息的变化。

背景技术

随着互联网信息应用的日益广泛，人们越来越多地需要对网络信息进行分类搜集与管理，并希望能够跟踪网络信息的变化以便更好地进行信息内容的比较与交流。由于互联网信息量的爆炸式增长，如何对各个信息网站所发布网页的进行分类搜索与管理的问题已经变得日益突出了。当前的很多搜索引擎都试图更好地解决网络信息搜索与检索问题，但这些搜索引擎的工作方式有很多的缺陷，他们很难通过纯技术手段来提供网络信息的分类管理服务。例如：当今的搜索引擎是集中式的信息搜集与检索模式，是封闭式的管理方式，是相对静态的数据存贮，等等这些问题使得当今的搜索引擎不能对搜集的网页信息进行准确的分类管理，所有的技术手段均落后于网络信息的变化。

很显然，当前的各种搜索引擎不能很好地分类处理那些开放的、动态的、离散的、公平的和海量的网络信息数据，因此也就造成了这样一种状态：各个信息网站之间已经形成了物理上的联接，但极少有信息内容上的关联，搜索引擎的信息导航作用有限，使得各个信息网站仍像是信息汪洋中的一个个孤岛。由于缺少一个能够更好地起到导航作用的系统来帮助我们在这个大洋中搜集与管理所关注的网页信息，我们至今仍不能在网络上更好地比较与交流所关注的信息，更不要提跟踪与了解网络信息的最新动态了。

造成上述不利局面的最主要原因是：当今的搜索引擎依然沿袭了历史原因造成的种种缺陷，使得这些搜索引擎不能大规模地搜集与管理网页信息，也就很难满足今天的人们对更高层次信息服务的要求。

本发明提出了一种方法，通过这种方法所建立的系统可以全面摆脱当前各种搜索引擎所面临的困境，能够更好地满足信息发布者与访问者的各种要求。通过该方法建立的信息系统将充分利用信息本身的特征来进行分类搜集与管理，因而能够更好地满足信息服务的需求。

本发明认为：信息有分类的特征。首先，信息的表述有其语言文字的分类，一条信息是用什么语言或文字来表达的，这是信息的第一特征，也是最重要的特征；其次，每一条信息都有其内容的分类特征，一条信息说的是哪方面的事，这是由信息的内容来决定的，因此就有了信息的层次式分类关系。最后，信息的作用范围是有限的，信息的表述语言与内容决定了信息的产生与作用于哪些人和哪些区域，这是信息的区域特征。人们在浏览网络信息时，首先关注的是表述信息的文字，然后才注意到信息的内容，由于人们知识水平及兴趣爱好的不同，因此所关注的信息内容也会有所不同。信息的语言文字特征与内容分类特征是人们从事信息管理的极为重要的依据，按照信息自身特征来进行分类管理是人类知识积累过程中已经固有了的方法。只是这种方法目前还没有充分地表现在互联网上，这是由于互联网上信息网站的增减变化及网页的内容变化过于分散和迅猛，如何管理这样的海量信息实为一件令人十分头痛的问题。

想像如今每天都会有无数个新的信息网站出现在互联网上，每天都有无数条网络信息在增加，同时，一些网站关闭了，一些原有的网页信息改变了。那些新的信息网站如何能找得到？怎样管理所关注的信息源？怎样获取更多的同类信息以便于比较和交流？又如何跟踪相关内容的信息变化动态？这是我们每天上网时所面临的越来越严重的问题，也是我们对网络信息服务提出的更高要求。

网络信息的变化与信息网站的所发布的网页信息直接相关，及时地和有效地汇集各个网站的网页信息以便提供更好的信息服务是互联网的最高宗旨。但由于目前的搜索引擎所能提供的相关服务功能十分有限和不尽理想，近几年来在搜索服务的技术前沿，专家们提出了不少的解决方案。而当务之急不是继续提高搜索引擎中信息查询的速度，而是如何合理地有效地分类管理如此庞大的网页数据，并使得这类信息的管理更符合互联网的特点，更符合人们的思维习惯。

发明内容

本发明的目的是提供一种分类汇集与管理互联网信息的方法，依据信息本身的特征将网页信息分类汇集到信息分类树上，从而进行更有效的信息管理服务，同时还通过调整分类树的支干结构来更准确地反映出互联网信息的变化。

这个方法的主要特征在于：用信息分类树的主干、支干和各个末端支干上所联接的树叶分别代表显示网页信息所使用的文字名称、网页信息的内容分类名称和经过分类的网页信息的集合，并通过分类树支干结构的调整映射出互联网的信息变化。图1是信息分类树的结构示意。

信息分类树结构分三部分组成：

1)主干-文字分类，一条主干代表一种文字的名称，一条主干下将汇集一种文字的信息。使用了哪几种文字用来显示互联网信息，就可以设置几条分类树的主干，这有利于对网页信息的语言文字进行分类。

2)支干-内容分类，在同一主干下的所有支干代表了同一文字下所有信息的内容分类关系，一个支干表示一种文字下一个信息内容分类的的名称，上下级支干的链接关系代表了信息内容分类的上下级关系。这些支干的分层链接可为网页信息内容的分类提供巨大的存放空间。

3)树叶-网页信息，一个树叶代表了一条网页信息的记录。由于所有的树叶必须联接在相应的末端支干上，因此同一主干下某个末端支干所联接的所有树叶代表了同一文字的相同内容分类的网页信息集合。

信息分类树的特点是：一种全开放的数据结构，一个分层的分类联接关系。分类树的主干和支干所对应的分类功能符合了信息自身的基本分类特征，而树叶与分类树的支干的联接又表明了网页信息的分类关系。如此分类汇集各个网站的网页信息到分类树上，使得互联网用户可以十分方便地查询、管理与浏览所关注的信息内容，并使得比较与交流同类信息也变得更方便，同样，分类树支干结构的调整变化也使跟踪和查对同类信息的变化情况成为可能。

显然，当信息网站新增了一些网页时，分类树会按网页信息的分类属性新增一些树叶的联接；若网站对某些网页的内容进行了更改，或卸掉了某些网页，则分类树所联接的树叶也会进行相应的更改或删除。联接树叶的数量发生增加或减少的变化可以导致分类树的末端支干的结构调整，因此，分类树的支干结构变化可以充分地反映出互联网信息的变化。

当分类树上某个末端支干所联接的数量多于某个指定的数值时，这个末端支干可根据其联接树叶上网页记录的内容再分裂出一组新的末端支干，将这些树叶再细分联接到各个新的末端支干上，而原末端支干变成新的末端支干集合的父支干，这种末端支干的分裂调整反映了某类信息的增加和可以进一步分类的要求。相反地，当某个末端支干所联接树叶的数量少于某个指定的数值时，这个末端支干可与同一末端支干集合中的其它末端支干合并，把其汇接的树叶也合并到相应的末端支干上。当某末端支干集合中末端支干数为1时，该末端支干合并到其父支干上，其父支干成为末端支干，相应的树叶也合并其上，这种末端支干的合并调整反映了某类信息的减少和内容分类的需要减少的要求。见图3、4。

分类树支干的分裂变化与自然界树木的生长过程极其相似，生长过程是为了承接更多的树叶，而支干的合并是树木生长的逆过程，是把没有树叶的末支干去掉。分类树的这种结构性调整可以更合理地分配网页信息的存贮空间，以对应互联网海量信息的巨大变化。

把互联网比喻为一个巨大无比的图书馆，信息分类树是这个图书馆的藏书位置图，它要求图书馆按其每个建筑楼，每个楼层，每个书架的分类来存放图书，如楼1存中文书，楼2放英文书，第一楼层放文化类书，第二楼层放经济类书，第一楼层的A书架放小说，B书架放杂志，等等如此。再把信息网站想像是一个个的出版社，每个出版社都会有自己的图书目录，图书馆向出版社提供藏书位置图，出版社就知道如何把自己的图书放到哪栋建筑楼的哪个楼层的哪个书架上。由于出版社的每本图书与图书馆的具体藏书位置有了对应存放的关系，每次提交给图书馆的图书目录都会告诉有哪些图书是新出的，哪些书是修改了的，哪些书出版社已没有了。图书馆根据收到的最新图书目录来管理藏书就非常方便了。图书馆可余出更多的时间来关注藏书的分布情况：当某个书架上的图书太多了，就需要增加新的书架，若某个书架上的书太少了，就把这些书合并到同类书架上，这个书架腾出来移作它用。在索取图书时，首先要按图书的分类通过藏书位置图来确定大至在哪个藏书楼的哪层的哪些书架上，确定了位置区域后找起书来就容易多了。互联网把成千上万台电脑在电路上物理地联接了起来，信息分类树则把这些电脑中的信息在分类上逻辑地汇接了起来。逻辑上的信息分类联接保证了信息网站不再是网络大洋上的一个个信息孤岛，人们可以通过分类树按图索骥方便地获取与管理网络信息了。

由此可见，由于分类树与信息网站之间可以按信息的分类属性设置某些联接的关系，分类树的结构定义与结构调整能够有效地分类管理网页信息，能够准确地反映出互联网信息的变化，能够引导同类信息的发布、比较、交流与跟踪。

本发明提出了按信息自身的分类属性对互联网信息进行分类管理的方法。其最大特点是：所有网站的信息网页与分类树建立起分类关联的关系，这将有助于巨量网页数据的分类管理和查询。特别是每个网站自身的网页链接关系已经构成了网页信息内容的基本分类关系，再将这些局部的分类关系映射到分类树上，从而构建起更广泛领域的信息分类与管理的体系。由于这种方法的实现能够比较全面和客观地反映出当今互联网的信息动态，它更方便了同类信息源的寻访、交流与比较。最重要的是：信息分类树的分类方式符合人们对信息汇集整理与分类管理的习惯，可为人们提供更合理的信息管理服务，也可指导信息网站在比较与交流后更加有效地发布信息。信息分类树是为整个互联网信息分类汇集与查询提出的一个切实可行的、管理有效的方法，因此将有巨大的市场潜力。

实施示例

按本发明提出的方法建立一个互联网信息搜集整理、分类管理与查询检索的系统。参照图5的示意，这个系统分以下几个模块：

1，网页信息搜集器。

其工作方式类似于一般的URL搜索器，但这里的搜集器只运行在某个信息网站上，只用于专门收集这个网站的网页地址、网页链接关系和网页内容等网页特征的记录，并把每条收集的数据与上次搜集的报告中的记录进行比较，以确定这条记录是新增网页的，或是内容更改网页的，或是一条失效记录，由此把这些最新的搜集记录存放到一个最新的搜集报告中。

图6示意了网页信息搜集器的具体操作流程。

由于这种搜集器可以由网站的管理人员直接控制与管理，因此其工作效率更高，工作也更可靠。当这种搜集器在更多的信息网站上同时进行工作时，它们的搜集功效会更突出，而且由于这种搜集器工作在本地，再经过本地比较后产生的最新搜集数据表明了自上次搜集以来的网页变化情况，因此它又具有数据量相对较少和通信负载极低的特点。这种区域性网页信息搜集器的每一次运行所产生的搜集报告经分类设置后，可作为最新的网页信息数据提供交信息分类树。

2，信息分类树结构。

在本发明的信息分类树上，它的每个主干代表了显示网页信息的一种语言文字，每个主干下的所有支干代表了这种文字下信息内容的分类关系，分类树的每个末端支干上所联接的树叶代表了相同语言文字和相同内容分类的网页信息。例如：那些发布中文新闻的信息网站可以把每条财经方面的国内新闻作为分类树的一片树叶汇集联结到分类树的“中文”主干下的“新闻”支干下的“国内新闻”的“财经新闻”这个末端支干上。于是这个汇结点成了中文的有关国内的财经新闻的信息中心，依次类推，分类树的每个末端支干都会成为某一特定信息内容的汇集中心。见图2。

3，网页记录的分类联接。

要使得每个信息网站的网页信息与信息分类树结构能够有分类的联接关系，在通过网页信息搜集器的搜集操作取得网站的网页信息后，还要参照信息分类树结构来设置每条网页信息的分类属性，使之能够对应联接到分类树的某些末端支干上。应由信息网站的信息发布者进行这种分类的设置操作，然后将设置了分类属性的网页信息提交给信息分类树，由分类树进一步地进行分类处理。

4，分类树对网页记录的分类操作。

分类树每收到一个信息网站的最新搜集报告，要按照报告中网页记录的分类设置进行相应的分类操作：新增联接，和或更改内容，和或删除失效的联接。由于分类设置是到分类树的每个末端的支干上，分类操作必然也是作用到每个末端支干上，增加一个新的网页记录则多一个联接的树叶，更改一个网页记录则某个已经联接的树叶的形状会有所变化，删除一个失效的网页记录表示一片树叶的联接要断掉。

5，信息分类树支干结构的调整。

当某个末端树支干所联接的树叶太多，这表明相关的信息内容在增加，有条件进行更细致的分类，因此就需要从这条支干上分化出一组新的支干来承载更多的树叶。而枝叶少的地方表明相关的网页信息内容在减少，可以进行相应支干的合并操作，这样可简化与清理支干的结构，同时也就充分反映了网页信息的变化情况。分类树进行的这种分化与合并的调整也为海量互联网信息数据提供了更合理地分配存贮空间，它使得具有相同内容的网页信息可以不断地进行分化或合并的分类调整，使得网页信息的管理也更加合理。

6，定位信息查询。

对于茫茫无边的信息海洋，应首先确定搜寻的方向，然后在正确的指引下查找所关注的信息，这是定位信息查询的操作原则。显然，选择分类树上哪些主干和支干来进行搜寻方向的定位是比较理想的方式，沿着所选定的方向进行信息的检索就可以更准确地找要所需的信息。

可能因某些信息内容的网页数量巨大，导致分类树的某些支干的分层链接结构也变得十分复杂，因此信息检索的定位操作可以是对分类名称的检索，然后再从选定的分类下，对所关联的网页信息进行检索。

定位信息查询是信息分类树所特有的方法，也是更为合理与有效的网页信息检索方法，它不仅符合了人们一般的思维与操作习惯，也为互联网用户提供了网页信息分类管理的平台。

综上所述，这六个模块的功能可组合一个互联网信息分类汇集、有效管理和准确查询的体系，它围绕着信息分类树进行网络信息的收集整理、联接设置、联接操作和定向查询等一系列操作把互联网信息分类汇总起来。这样的应用系统通过分类树的结构定义与调整来准确地反映出网页信息的变化情况，使人们跟踪了解所关注内容的变化成为可能。

这个体系的工作方式有如下特点：

首先，一个网页信息收集器只限于在某个局部工作，并通过局部的分类联接处理后提交给分类树，这种分布式的收集与联接操作将极大地减轻了分类树自身的管理工作。

其次，局部性的收集与联接操作只作用于新增的和内容更改的网页记录，不会给各个信息网站增加更大的负担，也可保证收集与联接操作的高效率；

第三，虽然联接的设置由各个网站进行，但所有的联接操作将由分类树自动进行，分类树自身的管理工作会变得极少。

第四，支干结构的调整将根据汇集的信息内容的具体情况而定，具有很高的灵活性，从而为高精度分类留有很大的空间。

最后，定位查询的方式可以非常有效地解决信息检索过程中的不准确性，而定位本身也具有更深层的意义，即：选择所关注的内容进行更有效的信息管理。

图例说明

图1示意了一个信息分类树的结构，其中有五个主干代表了显示信息的语言文字，每条主干联接了一些支干，而每个末端支干又联接了树叶。此图示意了信息的语言文字分类及信息内容分类的联接关系：一条主干下联接的所有支干代表了同一语言文字下的信息内容分类名称，该主干下联接的所有树叶代表了同一语言文字的信息；同样，一条末端支干下联接的所有树叶代表了相同语言文字分类和相同内容分类的网页信息的集合。

图2示意了一个“新闻”的分类支干结构。图中，第0区是主干区，第1区到第4区是支干区，其中有些支干是末支干，第5区是相联接的树叶集合。

图3示意了一个分类树的两个主干下的支干体系，以及各末端支干所联接的树叶集合。其中，1)末端支干112所联接的树叶数太少，应与本支干集合中的其它末端支干合并；2)末端支干121的集合数只有1，因此它应与它的父支干合并；3)末端支干13联接了太多的树叶，并进一步分化出新的末端支干。

图4示意了图3的分类树末端支干经过合并与分裂后的支干体系，以及合并分裂后所联接的树叶集合的变化。其中，1)末支干112合并到末支干111中，合并后这个末支干的集合数为1，只好再合并到支干11上，合并导致原末支干111与112所联接的树叶也合并在一起都联接到新的末支干11上；2)原支干12是末支干121的父支干，经合并后，支干12成为新的末端支干，原末支干121消失；3)原末支干13经分化后成为父支干，分化产生了两个新的末支干131与132，它们各自分担了原13所联接的2000个树叶的1200个和800个。

图5示意了信息网站的信息搜集与分类树的对应关系，和通过分类树的信息检索方法。其中，三个网站信息搜集器所产生的搜集报告经分类设置后提交给分类树，经分类操作将网页记录对应到各个相应的树叶体系中，从而实现了网页信息的分类汇集。此图中，分类树结构有三个主干，代表了中文、英文和法文的的信息集合，每个主干下联接了一些代表信息内容分类的支干，只有末端支干与代表网页记录的树叶联接。定位查询是选择某些主、支干来确定信息的分类特征，再通过对代表网页内容的树叶的查询来获取所需的信息。

图6示意了一个网站信息搜集器对一个网站进行网页记录的收集流程，工作中要不断对比上次搜集的记录，以确定所每一条被搜集记录的性质。

Claims (6)

1、一种分类汇集与管理互联网信息的方法，其特征在于按照网络信息的基本特征把各个信息网站发布的网页记录分类汇集到信息分类树中，以便于网页记录的管理，并以分类树的结构调整来更准确地反映出互联网信息的变化情况。

2、根据权利要求1的方法，其特征在于一个信息分类树的主干、支干和各个末端支干所联接的树叶分别代表显示网页所使用的文字名称、网页的内容分类名称和经过分类的网页记录的集合；这样，分类树的每个主干代表了显示网页所使用的某种文字，每个主干下的每个支干代表了相同文字下的关于网页内容分类的一个名称，每个末端支干所汇接的每个树叶代表了相同文字下和相同网页内容分类的一个网页记录。

3、根据权利要求2的方法，其特征在于各个信息网站发布的网页与信息分类树的分类联接是参照了信息分类树的文字分类与内容分类，作为树叶联接到分类树某个主干下某些支干的相应末端支干上。

4、根据权利要求3的方法，其特征在于当各个信息网站发布的网页发生变化时，联接到信息分类树的树叶会进行增加、更改和删除的相应变化。

5、根据权利要求4的方法，其特征在于当信息分类树的某个末端支干所联接树叶的数量大于某个数值时，这个末端支干可进一步分裂出一组新的末端支干，同时把原末端支干上所有联接的树叶再进一步分类联接到各个新的末端支干上，而使原末端支干变成新的末支干的父支干，这将导致分类树支干结构的分裂变化。

6、根据权利要求4的方法，其特征在于若信息分类树某个末端支干上所联接树叶的数量小于某个数值时，该末支干可与同级的其它末端支干合并，同时把所联接的树叶合并到相应的末端支干上；若没有同级的其它末支干可以用来合并，该末端支干应合并到联接它的父支干，并使得该父支干成为新的末端支干，同时把原末端支干上所联接的树叶合并到变成新的末端支干的父支干上，这将导致分类树支干结构的合并变化。

Images