TW202219793A - 網頁分析方法及應用其之網頁分析平台 - Google Patents
網頁分析方法及應用其之網頁分析平台 Download PDFInfo
- Publication number
- TW202219793A TW202219793A TW109139311A TW109139311A TW202219793A TW 202219793 A TW202219793 A TW 202219793A TW 109139311 A TW109139311 A TW 109139311A TW 109139311 A TW109139311 A TW 109139311A TW 202219793 A TW202219793 A TW 202219793A
- Authority
- TW
- Taiwan
- Prior art keywords
- web page
- webpage
- classification model
- analysis method
- page analysis
- Prior art date
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本發明係為一種網頁分析方法與網頁分析平台。網頁分析平台包含網頁分析系統與電子裝置。應用於網頁分析平台的網頁分析方法包含以下步驟。網頁分析系統根據複數個訓練用網頁截圖與複數個分類名稱而建立網頁分類模型。其中該等訓練用網頁截圖對應於複數個訓練用網址。網頁分析系統與電子裝置的其中一者執行網頁分類模型,且網頁分類模型根據查詢請求而產生網頁建議清單。
Description
本發明是有關於一種網頁分析方法及應用其之網頁分析平台,且特別是有關於一種可因應查詢請求而提供網頁建議清單的網頁分析方法及應用其之網頁分析平台。
網際網路已是現今社會中,大量資訊的流通管道。網路技術的演進讓使用者可以在網路上各自依據不同的需求,找到所需的資訊。請參見表1,其係多個網址的列表。通常,使用者看到如表1所列的多個網址時,無法直接識別該些網址所提供的內容是否符合其需求,而需逐一實際連上網址確認該網站的內容。
表1
網址 |
https://tw.yahoo.com/ |
http://www.agoda.com |
http://www.booking.com |
https://www.msn.com/zh-tw |
https://www.google.com.tw/ |
http://www.trivago.com |
http://www.skyscanner.com.tw |
https://edition.cnn.com/ |
https://www.bbc.com/ |
https://24h.pchome.com.tw/ |
https://www.backpackers.com.tw/forum/ |
https://www.wikipedia.org/ |
https://www.books.com.tw/ |
https://www.barnesandnoble.com/ |
https://www.ebay.com/ |
表1所列的網站中,一部分為訂房相關網站、一部分為新聞網站、一部分為購物網站等。若使用者希望查詢訂房網站,卻因為不清楚表1中的那些屬於訂房網站時,可能需額外花費時間連上新聞網站、購物網站後,才能確認網頁內容非其所需。如何能在這個資訊爆炸的時代,協助使用者從為數眾多的網站中,用最有效率的方式找到適合的資訊,已成為使用者迫切的需求與資訊提供業者的挑戰。
本發明係有關於一種網頁分析方法與網頁分析平台,藉由預先設置的網頁分類模型而對使用者的需求進行推論,進而提供相關網址的建議清單給使用者參考。基於參考建議清單所列的網址,使用者可大幅減少搜尋與確認網頁內容所需的時間和心力。
根據本發明之第一方面,提出一種應用於網頁分析平台的網頁分析方法。網頁分析方法包含以下步驟。根據複數個訓練用網頁截圖與複數個分類名稱而建立網頁分類模型。其中該等訓練用網頁截圖對應於複數個訓練用網址。網頁分類模型根據查詢請求而產生網頁建議清單。
根據本發明之第二方面,提出一種網頁分析平台。網頁分析平台包含:網頁分析系統以及電子裝置,網頁分析系統根據複數個訓練用網頁截圖與複數個分類名稱而建立網頁分類模型。其中該等訓練用網頁截圖對應於複數個訓練用網址。電子裝置信號連接於網頁分析系統。電子裝置產生查詢請求後,網頁分類模型根據查詢請求而產生網頁建議清單。
為了對本發明之上述及其他方面有更佳的瞭解,下文特舉實施例,並配合所附圖式詳細說明如下:
為協助使用者(例如,網站管理者及/或終端用戶(end user))從眾多網站中,快速找到合適的資訊,本揭露提供一網頁分析系統,可自動化產生網頁建議清單予使用者,簡化使用者須自行搜尋網站並逐一確認網站內容是否合適的過程,進而節省使用者的時間。
請參見第1圖,其係網頁分析平台之示意圖。網頁分析平台10包含網頁分析系統12、電子裝置A 13b與電子裝置B 15b。網頁分析系統12透過網路11信號連接於網站管理者13a所操作的電子裝置A 13b,以及終端用戶15a所操作的電子裝置B 15b。其中,電子裝置A 13b與電子裝置B 15b可為手機、平板電腦、筆記型電腦或桌上型電腦等。接著,本文以第2圖說明網頁分析平台10提供網頁分類模型12c,藉以產生網頁建議清單予使用者的流程。
請參見第2圖,其係網頁分析平台建立並使用網頁分類模型的流程圖。首先為網頁分類模型12c的建立階段(步驟S21)。關於步驟S21的進一步說明,請參見第3圖。
待網頁分析系統12建立網頁分類模型12c後,網頁分析平台10進入網頁分類模型12c的使用階段(S23)。其中,依據使用者的身分不同,使用網頁分類模型12c的方式也可能不同。此外,網頁分析系統12提供網頁分類模型12c予使用者操作時,也可能採用不同的實現方式。例如,網頁分析系統12可以透過網路11提供網頁分類模型12c供使用者搜尋;或者,網頁分析系統12以應用程式(application,簡稱為APP)或是瀏覽器外掛內容(plugins)、瀏覽器擴充功能等方式提供網頁分類模型12c,讓使用者可以在電子裝置A 13b、電子裝置B 15b上直接使用網頁分類模型12c。
請參見第3圖,其係網頁分析系統訓練網頁分類模型的示意圖。網頁分析系統12透過網路11分別連接至M個訓練用網頁後,以截圖工具(軟體)取得該些訓練用網頁的網頁截圖12a。此外,網頁分析系統12的管理者設定N個分類名稱12b。網頁分析系統12的管理者可為電信業者、入口網站、平台管理者等。該些分類名稱12b的定義是為了對網頁截圖12a進行分類。其中,M、N為正整數。實際應用時,M與N的數值可能相當大,例如,M=50,000、N=200。
為便於說明,此處假設以表1所列的網站作為訓練用網頁,則M=15。另,假設網頁分析系統12的管理者所定義的分類名稱包含五類(N=5),包含:入口網站、旅遊網站、查詢網站、新聞網站、購物網站。表2為網頁分析系統12用於訓練網頁分類模型12c所輸入的訓練用網頁截圖與分類名稱。
表2
網址 | 訓練用網頁截圖 | 分類名稱 |
https://tw.yahoo.com/ | 網頁截圖1 | 入口 |
http://www.agoda.com | 網頁截圖2 | 旅遊 |
http://www.booking.com | 網頁截圖3 | 旅遊 |
https://www.msn.com/zh-tw | 網頁截圖4 | 入口 |
https://www.google.com.tw/ | 網頁截圖5 | 查詢 |
http://www.trivago.com | 網頁截圖6 | 旅遊 |
http://www.skyscanner.com.tw | 網頁截圖7 | 旅遊 |
https://edition.cnn.com/ | 網頁截圖8 | 新聞 |
https://www.bbc.com/ | 網頁截圖9 | 新聞 |
https://24h.pchome.com.tw/ | 網頁截圖10 | 購物 |
https://www.backpackers.com.tw/forum/ | 網頁截圖11 | 旅遊 |
https://www.wikipedia.org/ | 網頁截圖12 | 查詢 |
https://www.books.com.tw/ | 網頁截圖13 | 購物 |
https://www.barnesandnoble.com/ | 網頁截圖14 | 購物 |
https://www.ebay.com/ | 網頁截圖15 | 購物 |
根據本揭露的實施例,網頁分析系統12可將表2所列的網頁截圖12a與分類名稱12b傳送至人工智慧(artificial intelligence,簡稱為AI)模型訓練平台16(例如,teachable machine),用以產生網頁分類模型12c。此處,AI模型訓練平台16可選用卷積神經網路(Convolutional Neural Networks,簡稱為CNN)、循環神經網路(Recurrent neural network,簡稱為RNN)、深度神經網絡(Deep Neural Network,簡稱為DNN)等方式產生網頁分類模型12c。
根據本揭露的構想,對應於同一種分類名稱12b的網站,其網頁風格、網頁排版(Layout)格式等資訊具有高度的相似性。例如,以Agoda網頁截圖與Booking網頁截圖進行分析時,可以發現以兩者的網頁風格、網頁排版格式具有高度的相似性。反之,對應於不同分類名稱12b的網站,其網頁風格、網頁排版格式等資訊則截然不同。例如,以Agoda網頁截圖與CNN網頁截圖進行分析時,可以發現以兩者的網頁風格、網頁排版格式差異性甚大。根據此種網頁風格、網頁排版格式之異同的關係,本案的網頁分析系統12提供依據網頁截圖而訓練的網頁分類模型12c。
網頁分類模型12c根據M個(例如,M個)訓練用的網頁截圖的網頁風格、網頁排版格式等資訊,搭配與訓練用的網頁截圖對應的N個分類而產生。網頁分類模型12c產生後,可根據使用者(網站管理者13a及/或終端用戶15a)的需求,選擇以分類名稱或網頁截圖作為輸入。
接著,以第4A、4B、5A、5B圖說明網頁分析平台10處於使用階段時的步驟。其中,第4A、4B圖假設網頁分類模型12c係於網頁分析系統12執行; 第5A、5B圖假設網頁分類模型12c係於電子裝置A 13b、電子裝置B 15b執行。在第4A、4B中,由上而下代表時間的經過順序,左側為電子裝置A、電子裝置B所執行的步驟;右側為網頁分析系統12所執行的步驟。此外,部分的步驟以箭頭表示跨裝置間的資料傳送步驟。
請參見第4A圖,其係網頁分析系統提供網頁分類模型予網站管理者使用的流程圖。首先,網站管理者13a輸入查詢用分類名稱(步驟S301)後,電子裝置A 13b將查詢用分類名稱傳送至網頁分析系統12(步驟S303)。例如,假設網站管理者13a為一媒體業者,其欲整理新聞相關網站。則,該媒體業者可輸入「新聞」作為查詢用分類名稱。接著,網頁分析系統12將查詢用分類名稱作為網頁分類模型12c的輸入。網頁分類模型12c對查詢用分類名稱進行推理(inference)(步驟S305),並根據推理結果產生網頁建議清單(步驟S307)。例如,根據先前在訓練階段所取得的訓練用網址(如表1所示),提供如表3所列網址的網頁建議清單。之後,網頁分析系統12將網頁建議清單傳送至電子裝置A 13b(步驟S309)。另,假設網站管理者13a為Agoda網頁的經營者,其欲針對某一國家的旅館進行篩選,進而決定應該將哪些旅館的網站收錄於其訂房網頁上。則,網頁分析系統12亦可藉由適當的演算法設定,建立符合其需求的網頁分類模型12。
表3
網址 | 分類名稱 |
https://edition.cnn.com/ | 新聞 |
https://www.bbc.com/ | 新聞 |
電子裝置A 13b接收到網頁建議清單後,網站管理者13a可進一步判斷網頁建議清單上列出的網址是否符合其需求。電子裝置A 13b可將網站管理者13a的判斷結果儲存為使用紀錄,作為後續提供予網頁分析系統12判斷是否需要更新網頁分類模型12c的判斷基礎(步驟S311)。
附帶一提的是,在實際應用時,關於步驟S301所述之,網站管理者13a輸入分類名稱的步驟,亦可能稍有不同。例如,網站管理13a輸入自己定義的關鍵字(例如,旅行) 作為查詢請求。但是,網站管理者13a所使用的關鍵字可能與網頁分析系統12預設的分類名稱(例如,旅遊)不完全一致。因此,網頁分析系統12另可提供文字轉換介面,對接收到的關鍵字進行預處理與轉換後,再以轉換後的分類名稱作為網頁分類模型12c的輸入。
請參見第4B圖,其係網頁分析系統提供網頁分類模型予終端用戶使用的流程圖。首先,終端用戶15a輸入網址後,電子裝置B 15b開啟網頁(步驟S401)。例如,終端用戶15a開啟cleartrip的訂房網頁(https://www.cleartrip.com/hotels)。
其次,若終端用戶15a對於該網頁的內容感興趣,並想知道更多與該網頁內容相關或相似的網站時,終端用戶15a操作電子裝置B 15b對開啟的網頁進行畫面擷取,取得查詢用網頁截圖(步驟S403)。之後,電子裝置B 15b將查詢用網頁截圖傳送至網頁分析系統12(步驟S405)。例如,終端用戶15a對於cleartrip的訂房網頁感興趣,並希望能知道更多的訂房網頁。則,終端用戶15a可先取得cleartrip的訂房網頁的網頁截圖後,透過應用軟體將cleartrip的訂房網頁的網頁截圖傳送至網頁分析系統12。
接著,網頁分析系統12以查詢用網頁截圖作為網頁分類模型12c的輸入,對查詢用網頁截圖進行推理 (步驟S407),且網頁分類模型12c根據推理結果產生網頁建議清單(步驟S409)。例如,根據先前訓練的內容,網頁分類模型12c根據cleartrip的訂房網頁的網頁截圖,判斷該查詢用網頁截圖屬於旅遊類網站的截圖。因此,網頁分類模型12c進一步將先前訓練時,被歸類為旅遊類別的網址,彙整為如表4所列網址的建議清單。之後,網頁分析系統12將網頁建議清單傳送至電子裝置B 15b (步驟S411)。
表4
網址 | 分類名稱 |
http://www.agoda.com | 旅遊 |
http://www.booking.com | 旅遊 |
http://www.trivago.com | 旅遊 |
http://www.skyscanner.com.tw | 旅遊 |
https://www.backpackers.com.tw/forum/ | 旅遊 |
電子裝置B 15b接收到網頁建議清單後,終端用戶15a可進一步判斷網頁建議清單上列出的網址是否符合其需求。之後,電子裝置B 15b將終端用戶15a的判斷結果儲存為使用紀錄,作為後續提供予網頁分析系統12判斷是否需要更新網頁分類模型12c的判斷基礎(步驟S413)。
如前所述,實際應用時,網頁分析系統12亦可透過不同的實現方式(例如,應用軟體、嵌入至瀏覽器等),讓則使用者可以在電子裝置A 13b、電子裝置B 15b上直接使用網頁分類模型12c。此時,網頁分類模型12c接收與進行推理的過程均予前述說明相似,差別僅在於部分由網頁分析系統12所執行的步驟,改為由電子裝置A 13b、電子裝置B 15b執行,且電子裝置A 13b、電子裝置B 15b和網頁分析系統12之間無須傳送查詢用分類名稱、查詢用網頁截圖、網頁建議清單等。
請參見第5A圖,其係於電子裝置A執行網頁分類模型的流程圖。此圖式的步驟S301a、S305a、S307a、S311a分別與第4A圖的步驟S301、S305、S307、S311相似。第4A、5A圖的差別僅在於,在第5A圖中,步驟S305a、S307a改由電子裝置A 13b執行,故此處不再重複說明第5A圖的流程。
請參見第5B圖,其係於電子裝置B執行網頁分類模型的流程圖。此圖式的步驟S401a、S403a、S407a、S409a、S411a分別與第4B圖的步驟S401、S403、S407、S409、S411相似。第4B、5B圖的差別僅在於,在第5B圖中,步驟S407a、S409a改由電子裝置B 15b執行,故此處不再重複說明第5B圖的流程。
如第4A、4B圖所述,電子裝置A 、B將儲存經由使用者所判斷之,網頁建議清單上的網址是否符合使用者需求的使用紀錄。進一步的,電子裝置A 13b、電子裝置B可將該些使用紀錄傳送至網頁分析系統12,供其更新、改進網頁分類模型12c使用。
請參見第6圖,其係網頁分析系統12維護網頁分類模型12c的流程圖。網頁分析系統12自電子裝置A 13b、電子裝置B接收其所儲存之使用紀錄 (步驟S51)後,依照該些使用紀錄而以強化學習-卷積神經網路(Reinforcement learning - convolutional neural network,簡稱為RL-CNN)方式修正或再度訓練網頁分類模型12c (步驟S53)。假設在使用紀錄中,使用者確認網頁建議清單所列網址均符合其需求(例如,將其加入我的最愛或是書籤)時,網頁分析系統12以正向回饋(reward) 的方式強化網頁分類模型12c。或者,假設在使用紀錄中,使用者並未全部接受網頁建議清單所列網址(例如,未將其加入我的最愛或是書籤)時,網頁分析系統12則以懲罰回饋(punishment)的方式強化網頁分類模型12c。之後,網頁分析系統12產生更新後的網頁分類模型12c(步驟S55),並重複進行第4A、4B、5A、5B圖所示的流程。
如前所述,在模型使用階段時,網頁分類模型12c根據使用者的身分與需求,以分類名稱或網頁截圖作為輸入,產生建議清單予使用者的方式,可以減少使用者逐一查看眾多網址所需花費的時間。本文所提供的網頁分析方法,可針對網站管理者13a提供分類名稱的查詢方式;以及,針對終端用戶15a提供網頁截圖的查詢方式。因此,本揭露的網頁分析方法提供便利的使用介面與快速有效的過濾效果。
網頁分析系統12訓練網頁分類模型12c時,關於網頁截圖與分類名稱的選擇、定義、數量等,均無須被限定。當分類名稱的數量越多(N越大)時,定義分類名稱的類別也可能越精細。例如,進一步將旅遊網站區分為旅遊論壇網站、訂房網站、機票查詢;或者,將購物網站進一步區分為書籍購物網站與日用品購物網站等。儘管分類名稱的數量越多,會使訓練網頁分類模型12c所需的時間增加,但可提升後續進行推理時的準確度。
綜上所述,雖然本發明已以實施例揭露如上,然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾。因此,本發明之保護範圍當視後附之申請專利範圍所界定者為準。
10:網頁分析平台
13b:電子裝置A
15b:電子裝置B
13a:網站管理者
15a:終端用戶
12:網頁分析系統
12c:網頁分類模型
11:網路
S21,S23,S25,S27,S301,S303,S305,S307,S309,S311,S401,S403,S405,S407,S409,S411,S413,S301a,S305a,S307a,S311a,S401a,S403a,S407a,S409a,S411a,S51,S53,S55:步驟
12a:網頁截圖
12b:分類名稱
16:AI模型訓練平台
第1圖,其係網頁分析平台之示意圖。
第2圖,其係網頁分析平台建立並使用網頁分類模型的流程圖。
第3圖,其係網頁分析系統訓練網頁分類模型的示意圖。
第4A圖,其係網頁分析系統提供網頁分類模型予網站管理者使用的流程圖。
第4B圖,其係網頁分析系統提供網頁分類模型予終端用戶使用的流程圖。
第5A圖,其係於電子裝置A執行網頁分類模型的流程圖。
第5B圖,其係於電子裝置B執行網頁分類模型的流程圖。
第6圖,其係網頁分析系統維護網頁分類模型的流程圖。
10:網頁分析平台
13b:電子裝置A
15b:電子裝置B
13a:網站管理者
15a:終端用戶
12:網頁分析系統
12c:網頁分類模型
11:網路
Claims (13)
- 一種網頁分析方法,應用於一網頁分析平台,該網頁分析方法係包含以下步驟: 根據複數個訓練用網頁截圖與複數個分類名稱而建立一網頁分類模型,其中該等訓練用網頁截圖係對應於複數個訓練用網址;以及 該網頁分類模型根據該一查詢請求而產生一網頁建議清單。
- 如請求項1所述之網頁分析方法,其中該查詢請求係為一查詢用分類名稱。
- 如請求項2所述之網頁分析方法,其中該查詢用分類名稱係由一網站管理者輸入。
- 如請求項2所述之網頁分析方法,其中該查詢用分類名稱係對一關鍵字轉換後得出。
- 如請求項1所述之網頁分析方法,其中該查詢請求係為一查詢用網頁截圖。
- 如請求項1所述之網頁分析方法,其中該網頁建議清單係包含複數個建議網址。
- 如請求項6所述之網頁分析方法,其中該等建議網址係對應於一部分之該等訓練用網址。
- 如請求項1所述之網頁分析方法,其中更包含以下步驟: 根據一使用紀錄而修正該網頁分類模型。
- 如請求項1所述之網頁分析方法,其中該網頁分類模型係根據一卷積神經網路、一循環神經網路或一深度神經網絡產生。
- 一種網頁分析平台,包含: 一網頁分析系統,其係根據複數個訓練用網頁截圖與複數個分類名稱而建立一網頁分類模型,其中該等訓練用網頁截圖係對應於複數個訓練用網址;以及 一電子裝置,信號連接於該網頁分析系統,其係產生一查詢請求,其中該網頁分類模型係根據查詢請求而產生一網頁建議清單。
- 如請求項10所述之網頁分析方法,其中該查詢請求係為一查詢用分類名稱。
- 如請求項10所述之網頁分析方法,其中該查詢請求係為一查詢用網頁截圖。
- 如請求項10所述之網頁分析方法,其中該網頁分類模型係由該網頁分析系統與該電子裝置的其中一者所執行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109139311A TW202219793A (zh) | 2020-11-11 | 2020-11-11 | 網頁分析方法及應用其之網頁分析平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109139311A TW202219793A (zh) | 2020-11-11 | 2020-11-11 | 網頁分析方法及應用其之網頁分析平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202219793A true TW202219793A (zh) | 2022-05-16 |
Family
ID=82558681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109139311A TW202219793A (zh) | 2020-11-11 | 2020-11-11 | 網頁分析方法及應用其之網頁分析平台 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TW202219793A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI809962B (zh) * | 2022-07-04 | 2023-07-21 | 廖俊雄 | 可供輔助提升網路搜尋引擎檢索排名之網站製作平台 |
-
2020
- 2020-11-11 TW TW109139311A patent/TW202219793A/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI809962B (zh) * | 2022-07-04 | 2023-07-21 | 廖俊雄 | 可供輔助提升網路搜尋引擎檢索排名之網站製作平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8799280B2 (en) | Personalized navigation using a search engine | |
US9613149B2 (en) | Automatic mapping of a location identifier pattern of an object to a semantic type using object metadata | |
US8473473B2 (en) | Object oriented data and metadata based search | |
US10216716B2 (en) | Method and system for electronic resource annotation including proposing tags | |
US20100161631A1 (en) | Techniques to share information about tags and documents across a computer network | |
US20150088846A1 (en) | Suggesting keywords for search engine optimization | |
JP5379978B2 (ja) | 検索システム及び検索方法 | |
MXPA04008383A (es) | Sistemas y metodos mejorados de clasificacion jerarquica de documentos en base a informacion estructuralmente interrelacionada. | |
US7783689B2 (en) | On-site search engine for the World Wide Web | |
US20100125781A1 (en) | Page generation by keyword | |
JPWO2008136439A1 (ja) | 入力候補提供装置、入力候補提供システム、入力候補提供方法、および入力候補提供プログラム | |
JP4430598B2 (ja) | 情報共有システムおよび情報共有方法 | |
Li | [Retracted] Internet Tourism Resource Retrieval Using PageRank Search Ranking Algorithm | |
KR20070057578A (ko) | 인터넷 리소스에 태그 정보를 부가하여 공유 정보를제공하는 시스템, 장치, 방법 및 이를 구현할 수 있는컴퓨터로 읽을 수 있는 기록 매체 | |
CN112749360A (zh) | 网页分类方法及装置 | |
TW202219793A (zh) | 網頁分析方法及應用其之網頁分析平台 | |
JP2005275488A (ja) | 入力支援方法およびプログラム | |
CN103823805A (zh) | 基于社区的相关帖推荐系统及推荐方法 | |
US9692804B2 (en) | Method of and system for determining creation time of a web resource | |
JP4842921B2 (ja) | 検索システムおよびその方法 | |
KR101347123B1 (ko) | 정보검색장치 및 정보검색방법, 컴퓨터 판독가능 기록매체 | |
US10061859B2 (en) | Computer implemented systems and methods for dynamic and heuristically-generated search returns of particular relevance | |
WO2006064573A1 (ja) | Web情報提供装置及びその方法、プログラム | |
KR100479727B1 (ko) | 인터넷상에서의 멀티도메인 검색 및 등록 방법 | |
KR20180047723A (ko) | Ai 학습 엔진을 이용한 인터넷 정보 해석 시스템 |