ICC ( Internet Content Center ) 介绍

富士通研究开发中心(FRDC) 信息技术研究部

【概要】

ICC是Internet Content Center（互联网内容中心）的缩写，是由富士通研究所开发的一个自动网站分类系统，收集、分析、整理了亿数量级的web页面。

【解决方案】

ICC从两个方面对特定的网站进行分类。一个是地域分类，即该网页的内容属于哪个地区。就中文版而言，第一级地域分类为：华东、华北、东北、西北、华南、华中、西南、港澳台7个地区，华北又分为北京、天津、河北、山西、内蒙古等。另一个是内容分类，在内容分类上目前分为五大类：企业/机构/团体、信息技术、体育、外商投资信息服务、宾馆餐饮和旅游。内容分类也呈现多级体系，例如，信息技术又可分为网络与通信、计算机软件、计算机硬件、自动化和人工智能等。

【技术要点】

1. 分类：利用了HTML文本中的meta信息，采用了基于字符串匹配的分类技术
2. 排序：根据链接重要度排序，其算法是Pagerank的一个变种。简单来说，被链接越多的网站越重要

【概要图】

---

岩见田

电邮：iwamida@cn.fujitsu.com

于浩

电邮：yu@cn.fujitsu.com