网站的三元组挖掘方法以及三元组挖掘装置

摘要

本发明提供了一种挖掘网站的三元组的方法以及三元组挖掘装置，该方法包括：收集网站的所有网页，并统计所有网页中的每个超链接的锚文本和每个超链接所指向的网页地址URL；统计与URL对应的网页中的超链接锚文本的出现频度，并将出现总频度大于预定标准的超链接锚文本确定为该网页的主实体；将确定的主实体的三元组作为种子三元组来提取网页的模板；将得到的模板与网站的其它网页匹配以提取新的三元组；将提取的新的三元组作为种子三元组，重复执行模板提取、网页匹配和新三元组的提取的操作，直到不再从该网站的网页中提取出新的三元组为止。