基于CPat－Tree的网络内容分级索引结构和裁剪方法

摘要

本发明为一种针对URL及其所指向的网络实体的内容分级索引的结构模型和裁剪算法。其中，分级索引结构使用TreeMap、NodeMap、EList和IFArray几个数组记录实体的URL和分级信息。裁剪算法的基本步骤是将CPat－Tree中每个叶子节点根据信息矢量映射到矢量空间中一点，用空间模式识别的方法，把所有的点划分入若干不重合的簇，然后根据合并规则，依次把每个簇中的叶子节点向上合并，使其父亲节点成为新叶子节点；新叶子节点的信息矢量用簇中心的综合信息矢量代替。本发明极大地减少了CPat－Tree索引结构的存储容量，降低了查询过程中的磁盘访问次数和CPU计算代价，具有很高的查询效率。