專利名稱：一種應(yīng)用網(wǎng)頁語義的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及IT技術(shù)，尤其涉及一種提取并應(yīng)用網(wǎng)頁語義的方法，如加入 廣告的方法。
背景技術(shù)：
隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，各種各樣的基于網(wǎng)頁的應(yīng)用也越來越多。網(wǎng) 頁通常是在網(wǎng)站的制作或維護過程中產(chǎn)生的，多數(shù)都是腳本(Script)形式的 網(wǎng)頁，包括HTML/XML/ASP/JSP/PHP/PERL/CGI等各種各樣的腳本格式，但 是其中還是以HTML的網(wǎng)頁形式最多。隨著互聯(lián)網(wǎng)經(jīng)濟的不斷發(fā)展，各種各樣 的網(wǎng)站應(yīng)運而生，現(xiàn)有的網(wǎng)站最主要的贏利手段之一就是廣告。下面以廣告 為例來談?wù)劕F(xiàn)有的網(wǎng)頁的應(yīng)用?，F(xiàn)階段，廣告商制定了多個策略，以求最大限度地提高廣告的價值。一 種策略是，廣告商使用常用的手段來提供交互媒體或服務(wù)，即通常是通過網(wǎng) 站的形式作為提供交互式媒體服務(wù)的渠道。通過這種策略，廣告商可以將廣 告指向一個比較集中的受眾群體，從而為廣告更好地尋找目標受眾提供了可能性。例如，廣告商可以將最新款的游戲消息通過新浪網(wǎng)站的游戲板塊投放 給喜歡游戲的受眾。另一種策略是廣告商對一般性廣告通過廣泛傳播，盡可 能地將廣告推送給更多的受眾，以期望更好的廣告效果。不管采用哪一種策略，基于網(wǎng)站的廣告，即Web廣告，通常是以橫幅廣告 的形式呈現(xiàn)在網(wǎng)站瀏覽者(以下稱為用戶)面前。用戶通過點擊某一個橫幅 廣告，就會進入所述橫幅鏈接的指向某個廣告商的網(wǎng)站。用戶點擊的次數(shù)和 廣告顯示的次數(shù)之間的比率被稱之為點擊率。現(xiàn)在存在的問題是，雖然廣告 商在大量網(wǎng)站廣泛投放廣告，但是廣告的點擊率并不高，因此廣告商對廣告 投資的匯報也并不滿意。某些廣告商試圖通過跟蹤用戶的在線習慣來改善廣 告的效率，但是這種做法往往會導致侵害用戶隱私的行為發(fā)生。同樣，網(wǎng)站的所有者(以下稱為網(wǎng)站主)，也會遇到需要提高廣告收益 而又不能影響用戶感受的難題。某些網(wǎng)站主選擇了 一味擴大廣告投放而忽視
用戶感受的做法，導致大量網(wǎng)站用戶流失。另一類是搜索引擎網(wǎng)站，例如google，這類網(wǎng)站能使廣告商確定他們的廣告目標，以便通過與廣告相關(guān)的搜索頁面與廣告一起呈現(xiàn)給用戶。雖然搜索 結(jié)果頁面給廣告商提供了將其廣告指向搜索者的機會，但是搜索結(jié)果只是萬 維網(wǎng)很小的一部分，并無法將所有需要投放的廣告都針對這樣的潛在客戶(這 里指前面提到的搜索者)進行投放。由于大量的門戶網(wǎng)站的出現(xiàn)，使得一些大型網(wǎng)站每天訪問量突破千萬， 而 一 些小型網(wǎng)站則無人問津。這使得一些小型網(wǎng)站的廣告價值幾乎沒有辦法體現(xiàn)，這也使得一些小型網(wǎng)站很難生存。相反，大型網(wǎng)站則可以根據(jù)其大量 的訪問量，而收取高額的廣告費用。但是這對于廣告商來說，并沒有把網(wǎng)站 的廣告能量都發(fā)揮完全，怎么樣利用分散而眾多的小型網(wǎng)站投放高質(zhì)量的廣 告成為廣告商所需要思考的問題。這里就存在一個問題，如何更好的使用互聯(lián)網(wǎng)資源(如何使用網(wǎng)頁)？ 如何為網(wǎng)頁添加廣告？怎樣在互聯(lián)網(wǎng)上搜索信息或投放信息才是高效的？傳統(tǒng)的網(wǎng)頁，只有筒單的表現(xiàn)形式，如果需要完成一些特殊的功能，通常都是通過在原有網(wǎng)頁源文件中加載Act iveX控件或在網(wǎng)頁源文件中嵌入一 些控制節(jié)本語言，如，JavaScript/VBScript/, net的一些代碼。這樣不光使 網(wǎng)頁看上去非常復雜，而且這種把內(nèi)容和控制放在一起的啦支法，既不適合大 規(guī)模處理網(wǎng)頁，也不適合對網(wǎng)頁規(guī)范的完全控制，很難實現(xiàn)網(wǎng)頁服務(wù)的個性 化。網(wǎng)頁的語義化才是網(wǎng)頁發(fā)展的方向?，F(xiàn)有的所有網(wǎng)頁基本上都是描述網(wǎng) 頁的結(jié)構(gòu)，作為網(wǎng)頁內(nèi)容的載體，并不能很好的說明網(wǎng)頁中到底有什么。這 對網(wǎng)頁的處理和使用帶來了很大的困難。專利號CN200410057064.1,提出了 一種網(wǎng)頁信息塊提取裝置和方法，該方法把網(wǎng)頁分解成信息塊，并進行處理， 但是仍然不能4艮好地表現(xiàn)出網(wǎng)頁內(nèi)容的語義。專利號200510109288.7,提供了 一種抽取網(wǎng)頁信息的方法，但是并不能把每一個網(wǎng)頁都結(jié)構(gòu)化地進行處理。發(fā)明內(nèi)容本發(fā)明提供了 一種應(yīng)用網(wǎng)頁語義的方法和系統(tǒng)，以解決現(xiàn)有技術(shù)中不能 很好地表現(xiàn)出網(wǎng)頁內(nèi)容的語義的缺陷。 本發(fā)明提供了一種真正使用網(wǎng)頁語義的方法，把網(wǎng)頁內(nèi)容的語義通過關(guān) 鍵字的形式抽象出來，可以使用該方法方便地為網(wǎng)頁內(nèi)容加入輔助信息，該 方法除了可以有效地控制網(wǎng)頁，還可以用于網(wǎng)絡(luò)廣告投放。本發(fā)明提供了對 網(wǎng)頁的主動式和一皮動式兩種處理方法，來分析網(wǎng)頁語義，并通過對網(wǎng)頁語義 的分析提供基于網(wǎng)頁的服務(wù)和應(yīng)用。所謂主動式，是指在不對現(xiàn)有網(wǎng)頁做修 改的情況下，客戶端運行一些程序或插件完成一些對網(wǎng)頁語義的分析功能， 并根據(jù)語義完成某些特定的應(yīng)用，例如，通過對網(wǎng)頁語義分析，向網(wǎng)頁提供 與網(wǎng)頁內(nèi)容相關(guān)的輔助信息(廣告等)。所謂被動式，是指對網(wǎng)頁要進行預(yù)先 的處理或者修改原有的網(wǎng)頁腳本或者添加網(wǎng)頁的內(nèi)容描述文件、功能描述文 件等，用戶側(cè)客戶端通過程序升級或安裝插件等方法可以識別對網(wǎng)頁文件的 修改或新增加的網(wǎng)頁描述文件(包括，內(nèi)容描述文件和功能描述文件)。被動 式或主動式的方法都可以實現(xiàn)對網(wǎng)頁語義的分析，并可以通過腳本語言或預(yù) 設(shè)程序來控制網(wǎng)頁瀏覽器的一些動作。也就是說瀏覽器的行為不完全是由用 戶控制的，而是部分決定于網(wǎng)頁本身的內(nèi)容或網(wǎng)頁預(yù)先設(shè)置好的腳本或其它 一些描述文件(在本專利中為內(nèi)容描述文件和功能描述文件)。以主動式的分 析網(wǎng)頁語義的方法并為用戶提供基于網(wǎng)頁內(nèi)容的輔助信息為例，首先客戶端從網(wǎng)站接收到的網(wǎng)頁的內(nèi)容(例如，HTML等腳本網(wǎng)頁)，通過本發(fā)明語義分析 系統(tǒng)(主動式)中的關(guān)鍵字匹配模塊判斷網(wǎng)頁內(nèi)容是否和一些預(yù)先定義好的 關(guān)鍵字相匹配，如果匹配，則根據(jù)所述關(guān)鍵字匹配模塊中匹配成功的關(guān)鍵字 所對應(yīng)的輔助信息的鏈接地址向服務(wù)端發(fā)起服務(wù)請求，獲得需要的輔助信息。 其中輔助信息可以是關(guān)于網(wǎng)頁中具體相關(guān)內(nèi)容的介紹、分析、廣告等相關(guān)信 息。在客戶端維護的關(guān)鍵字匹配模塊用于分析用戶網(wǎng)頁內(nèi)容，并將獲得的匹 配信息(包含被匹配成功的關(guān)鍵字對應(yīng)的輔助信息的地址信息)發(fā)送到服務(wù) 端。例如，當用戶打開一個體育網(wǎng)站，收看一段介紹足球比賽的網(wǎng)頁，這時 關(guān)鍵字匹配模塊會發(fā)現(xiàn)"足球"這是需要搜索的匹配信息，并且通過關(guān)鍵字 匹配模塊可以得到關(guān)于"足球"兩字的輔助信息的位置，比如一個具體的網(wǎng) 絡(luò)上的URL地址(HTTP: 〃. . . /bootball. html )等，這個具體的URL通常都 在服務(wù)端上，這時候客戶端就會向服務(wù)端發(fā)起一個服務(wù)請求，要求取回這個 URL地址的輔助信息。輔助信息包括視頻、圖像、聲音、文字等所有媒體信息。 該方法可以主動地向用戶推送網(wǎng)頁內(nèi)容相關(guān)的廣告，既不會對用戶瀏覽
網(wǎng)頁造成不便，也可以大大改善網(wǎng)絡(luò)廣告投放的效果。當然該方法還可以用 于推送廣告之外的其它輔助信息，例如，用戶在網(wǎng)頁上遇到一個數(shù)學公式， 類似地可以通過該方法向用戶推送所述數(shù)學^^式的推導方法。對于被動式的 方式來處理網(wǎng)頁，獲取網(wǎng)頁語義信息的過程就是生成網(wǎng)頁內(nèi)容描述文件的過程或生成新網(wǎng)頁820的過程。以內(nèi)容描述文件為例，內(nèi)容描述文件即是濃縮后的網(wǎng)頁，基本上能概括網(wǎng)頁信息內(nèi)容的主體，但卻可能比網(wǎng)頁本身節(jié)省更 多的存儲空間。生成網(wǎng)頁內(nèi)容描述文件的方法也同樣會用到關(guān)鍵字匹配這一個過程，在本發(fā)明中是網(wǎng)頁源文件通過處理模塊3000處理后生成的。在生成 了網(wǎng)頁描述文件后，往往可以通過網(wǎng)頁內(nèi)容描述文件生成網(wǎng)頁的功能描述文 件，當然也可以通過處理模塊3000直接生成功能描述文件。本發(fā)明還可以通 過在描述文件(包括內(nèi)容描述文件和功能描述文件)或網(wǎng)頁源文件中加入網(wǎng) 頁適合對象的信息的方法，來有針對性地投放網(wǎng)頁或有限制地投放網(wǎng)頁。 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點本發(fā)明實施例中，把網(wǎng)頁內(nèi)容的語義通過關(guān)鍵字的形式抽象出來，可以 使用該方法方便地為網(wǎng)頁內(nèi)容加入輔助信息，該方法除了可以有效地控制網(wǎng) 頁，還可以用于網(wǎng)絡(luò)廣告I5^文。


圖l是本發(fā)明中主動式的一種系統(tǒng)結(jié)構(gòu)示意圖；圖2是本發(fā)明中主動式的另一種系統(tǒng)結(jié)構(gòu)示意圖；圖3是本發(fā)明中關(guān)鍵字匹配模塊數(shù)據(jù)結(jié)構(gòu)示意圖；圖4是本發(fā)明中主動式第一種網(wǎng)頁信息處理過程的流程圖；圖5是本發(fā)明中主動式第二種網(wǎng)頁信息處理過程的流程圖；圖6是本發(fā)明中主動式第三種網(wǎng)頁信息處理過程的流程圖；圖7是本發(fā)明中為^R動式網(wǎng)頁源文件添加指向輔助信息地址鏈接的流程圖；圖8是本發(fā)明中為被動式網(wǎng)頁源文件添加指向輔助信息的系統(tǒng)結(jié)構(gòu)圖； 圖9是本發(fā)明中分析網(wǎng)頁內(nèi)容并形成一才果^^t的示意圖； 圖10是本發(fā)明中被動式的生成內(nèi)容描述文件和功能描述文件示意圖； 圖11是本發(fā)明中被動式的生成和使用功能描述文件的系統(tǒng)示意圖12是本發(fā)明中被動式通過設(shè)定網(wǎng)頁適合對象來投放網(wǎng)頁的示意圖。
具體實施方式
本發(fā)明是對現(xiàn)有的網(wǎng)頁瀏覽方式以及網(wǎng)頁的結(jié)構(gòu)做了 一定的改進，使網(wǎng) 頁本身具有更強的實用性和互動效果，能夠在保留原有網(wǎng)頁的基礎(chǔ)上為網(wǎng)頁增加大量的輔助信息，并且在本發(fā)明中還為網(wǎng)頁增加了兩種描述文件(profile ) 結(jié)構(gòu)，大量豐富了網(wǎng)頁的功能。本發(fā)明的核心圍繞著這樣一個主題根據(jù)網(wǎng) 頁自身的內(nèi)容，并結(jié)合關(guān)鍵字列表和網(wǎng)頁本身的屬性(網(wǎng)頁的基本信息)，提 取網(wǎng)頁的語義信息，并根據(jù)網(wǎng)頁的語義信息執(zhí)行某些預(yù)定的操作邏輯。在對 網(wǎng)頁的語義做分析時，有被動和主動兩種方式。所謂主動式，是指在不對現(xiàn) 有網(wǎng)頁做修改或不增加新文件的情況下，客戶端運行一些程序或插件完成一 些對網(wǎng)頁語義的分析功能，并根據(jù)語義完成某些特定的應(yīng)用，例如，通過對 網(wǎng)頁進行語義分析，找到存在含有與輔助信息對應(yīng)的關(guān)鍵字的網(wǎng)頁，并向網(wǎng) 頁提供與網(wǎng)頁內(nèi)容相關(guān)的輔助信息(如，廣告等)。所謂被動式，是指對網(wǎng)頁 要進行預(yù)先的處理或者修改原有的網(wǎng)頁腳本或者添加網(wǎng)頁的內(nèi)容描述文件、 功能描述文件等，用戶側(cè)客戶端通過程序升級或安裝插件等方法可以識別對 網(wǎng)頁文件的修改或新增加的網(wǎng)頁描述文件(包括，內(nèi)容描述文件和功能描述本語言或預(yù)設(shè)程序來控制網(wǎng)頁瀏覽器或瀏覽器外部程序的一些動作。也就是 說瀏覽器的行為不完全是由用戶控制的，而是部分決定于網(wǎng)頁本身的內(nèi)容或 網(wǎng)頁預(yù)先設(shè)置好的腳本或其它一些描述文件(在本專利中為內(nèi)容描述文件和 功能描述文件)。 一般的相關(guān)領(lǐng)域的技術(shù)人員均很容易了解本發(fā)明的工作原理 和思想，根據(jù)本發(fā)明設(shè)計到的原理和思想，做出簡單調(diào)整和改動的技術(shù)或系 統(tǒng)均在本發(fā)明保護范圍之內(nèi)。如圖1所示，為本發(fā)明的主動式的一種系統(tǒng)結(jié)構(gòu)示意圖。主要分為兩個 大的部分， 一部分是客戶端，另一部分是服務(wù)端。客戶端包括5個重要的模 塊(次要或通用模塊未在圖例中畫出)，網(wǎng)頁瀏覽模塊120主要是解析網(wǎng)頁并 在客戶端顯示，用戶可以通過網(wǎng)頁瀏覽模塊120瀏覽請求網(wǎng)頁。內(nèi)容導入模 塊130，主要作用是根據(jù)不同的應(yīng)用提取出網(wǎng)頁部分或全部內(nèi)容，并把提取的 內(nèi)容導入關(guān)鍵字匹配模塊，例如，內(nèi)容導入模塊包括幾種常見的內(nèi)容導入方 式第一種，將用戶請求的網(wǎng)頁內(nèi)容(即網(wǎng)頁源文件)全部導入到關(guān)鍵字匹配模塊；第二種，將用戶正在顯示的窗口內(nèi)的網(wǎng)頁內(nèi)容或某一個框架(frame) 內(nèi)的網(wǎng)頁內(nèi)容，即一部分網(wǎng)頁內(nèi)容導入到關(guān)鍵字匹配模塊；第三種，將鼠標 周圍或用戶選定的區(qū)域內(nèi)的網(wǎng)頁內(nèi)容導入到關(guān)鍵字匹配模塊。在關(guān)鍵字匹配 模塊150中，會維護一個可以被更新或編輯的關(guān)鍵字數(shù)據(jù)結(jié)構(gòu)，如圖3所示， 通常包含關(guān)鍵字列表310和對應(yīng)輔助信息位置320，關(guān)鍵字匹配模塊會尋找從 內(nèi)容導入模塊130導入的網(wǎng)頁內(nèi)容和關(guān)鍵字列表310之間的匹配關(guān)系，如果 發(fā)現(xiàn)匹配則通過通信模塊140按照關(guān)鍵字對應(yīng)輔助信息位置320向服務(wù)端發(fā) 起輔助信息請求。服務(wù)端170在通過服務(wù)端通信模塊180接收到客戶端110 發(fā)起的帶有位置信息的請求后，會在輔助信息存儲模塊中找到相應(yīng)的輔助信 息，并把輔助信息發(fā)送到客戶端110,通過客戶端IIO的輔助信息播放模塊進 行播放。在圖2中，即本發(fā)明中主動式的另一種系統(tǒng)結(jié)構(gòu)示意圖，和圖1的區(qū)別 就在于，將關(guān)鍵字匹配模塊從客戶端移到了服務(wù)端。實際上也就是內(nèi)容導入 模塊和關(guān)鍵字匹配模塊之間的通信，通過客戶端110的通信模塊140和服務(wù) 端170的通信模塊180來完成，而不是像圖1那樣在客戶端內(nèi)部完成。這樣 做的問題是可能減少由于關(guān)鍵字匹配模塊中匹配運算給客戶端帶來的壓力， 但是可能會增加客戶端和服務(wù)端通信的壓力。 一個比較適合圖2系統(tǒng)的實施 例為，用戶在瀏覽網(wǎng)頁時，用鼠標指向一些需要進一步輔助信息的內(nèi)容，比 如需要翻譯鼠標指向的單詞，內(nèi)容導入模塊130會將鼠標指向的單詞通過客 戶端110的通信模塊140和服務(wù)端170的通信模塊180發(fā)送到關(guān)鍵字匹配模 塊150,關(guān)鍵字匹配模塊150則會根據(jù)關(guān)鍵字對應(yīng)的本地或網(wǎng)絡(luò)地址取回輔助 信息(對所述單詞的翻譯信息)，最終將輔助信息傳送到客戶端，并通過輔助 信息的播放模塊進行播放。在圖2中，輔助信息不一定和存儲在關(guān)鍵字匹配 模塊存儲在同一個服務(wù)器上，有可能輔助信息存儲模塊保存在另一臺關(guān)聯(lián)服 務(wù)器上。為了說明問題，本發(fā)明只使用了比較簡單的情況。圖1和圖2中，輔助信息播放模塊160和內(nèi)容導入模塊130可以作為一 個插件或一段程序放在網(wǎng)頁瀏覽器(如IE等)中執(zhí)行，也可以作為一個單 獨的程序放在網(wǎng)頁瀏覽器之外運行，例如，輔助信息播放模塊在播放輔助信 息的時候，可以在網(wǎng)頁內(nèi)的某一個位置播放，也可以在瀏覽器窗口外的某一
個位置播放。為了簡單起見，內(nèi)容導入模塊通常是和網(wǎng)頁瀏覽器有接口的， 這樣可以在用戶請求或瀏覽網(wǎng)頁內(nèi)容時，更靈活方便的獲取網(wǎng)頁內(nèi)容。圖3為本發(fā)明中關(guān)鍵字匹配模塊數(shù)據(jù)結(jié)構(gòu)示意圖，在關(guān)鍵字匹配模塊140中，通常至少會保留關(guān)鍵字列表310和對應(yīng)輔助信息位置320這兩項數(shù)據(jù)結(jié) 構(gòu)，這樣可以通過筒單的查表來確定所需要的輔助信息的位置。當然在數(shù)據(jù) 結(jié)構(gòu)設(shè)計過程中可能還需要一些輔助的信息，例如，輔助信息播放的位置， 關(guān)鍵字優(yōu)先級，客戶端IP地址，服務(wù)端IP地址等，這些信息都是可選的，沒 有在圖3中——列出。關(guān)^t字列表既可以和輔助信息對應(yīng)，又可以和輔助信 息地址對應(yīng)，圖3只畫出了關(guān)鍵字列表和輔助信息地址對應(yīng)的情況。關(guān)鍵字 和輔助信息或輔助信息地址的對應(yīng)關(guān)系型可以是， 一個關(guān)鍵字對應(yīng)多個輔助 信息或多個輔助信息地址，多個關(guān)鍵字對應(yīng)一個輔助信息或一個輔助信息地 址， 一個關(guān)鍵字對應(yīng)一個輔助信息或一個輔助信息地址。圖4為本發(fā)明中第一種主動式網(wǎng)頁信息處理過程的流程圖，該處理過程 是圖l的一個實例，具體包括410，客戶端接收到網(wǎng)頁，并由關(guān)鍵字匹配模 塊搜索用戶瀏覽網(wǎng)頁內(nèi)容，即搜索用戶瀏覽網(wǎng)頁的HTML或XML( extensible Markup Language ，擴展標記語言)文件；420 ，判斷網(wǎng)頁內(nèi)容是否和關(guān)鍵字存 在匹配；430如果存在匹配，則按照關(guān)鍵字對應(yīng)的地址取回輔助信息；440并 將取回的信息在客戶端播放；如果不存在匹配，則返回到前一步繼續(xù)搜索。 這樣所述網(wǎng)頁內(nèi)容還可以是用戶正在看的網(wǎng)頁框架(frame)內(nèi)的內(nèi)容，或用 戶瀏覽器窗口內(nèi)顯示部分的內(nèi)容，這些內(nèi)容采用JavaScript等本語言或才喿作系 統(tǒng)的一些API程序來提取。圖5為本發(fā)明中第二種主動式網(wǎng)頁信息處理過程的流程圖，該處理過程 是圖2的一個實例。在用戶獲得網(wǎng)頁內(nèi)容以后，可以伴隨簡單的操作，例如， 510,把鼠標或光標指向不明白的單詞，這個時候，將鼠標或光標指向的網(wǎng)頁 內(nèi)容傳回服務(wù)端；520并在判斷服務(wù)端是否存在和網(wǎng)頁內(nèi)容匹配的關(guān)鍵字；530 如果存在，服務(wù)端則取回關(guān)鍵字對應(yīng)的輔助信息或按找關(guān)鍵字對應(yīng)的地址取 回輔助信息，服務(wù)器將關(guān)鍵字對應(yīng)的輔助信息傳回客戶端；540最終在客戶端 播放輔助信息。在抓取鼠標周圍文字的時候，往往需要運用到JavaScript或其 它腳本技術(shù)，也可以根據(jù)不同的操作系統(tǒng)，調(diào)用一些底層API函數(shù)來實現(xiàn)，
例如在Windows系統(tǒng)中，可以調(diào)用鉤子(Hook)來實現(xiàn)Windows屏幕取詞。 圖6為本發(fā)明中第三種主動式網(wǎng)頁信息處理過程的流程圖，這個過程和 圖4以及圖5有4艮大不同，是伴隨著用戶對網(wǎng)頁的點擊而發(fā)生的。610,用戶 點擊網(wǎng)頁內(nèi)具有超文本鏈接的文字條目，620,并判斷文字條目是否和關(guān)鍵字 存在匹配；630如果存在匹配，則按照關(guān)4囊字對應(yīng)的地址取回輔助信息；640 并將取回的信息在客戶端播放。圖7為本發(fā)明中為被動式網(wǎng)頁源文件添加指向輔助信息地址鏈接的流程 圖，這種方法的一個特點是必須在瀏覽網(wǎng)頁之前就完成添加指向輔助信息地 址鏈接這一過程，而不像圖4、圖5、圖6是在瀏覽網(wǎng)頁的過程中直接通過關(guān) 鍵字匹配模塊取回輔助信息。也就是說現(xiàn)有的網(wǎng)頁文件在被瀏覽前，還要經(jīng) 過處理，加入指向輔助信息地址鏈接。具體流程為，710,用戶獲取網(wǎng)頁源文 件內(nèi)容；720，判斷網(wǎng)頁源文件內(nèi)容是否和關(guān)鍵字存在匹配；730，如果存在 匹配，為源文件中匹配的地方加入指向輔助信息地址的鏈接；740，將加入了 輔助信息鏈接的網(wǎng)頁或形成新的輔助信息描述文件再發(fā)送給用戶。在這種方 式下系統(tǒng)結(jié)構(gòu)將做細微調(diào)整，如圖8所示，為被動式網(wǎng)頁源文件添加指向輔 助信息的系統(tǒng)結(jié)構(gòu)圖。這里將添加指向輔助信息鏈接前的網(wǎng)頁稱為舊網(wǎng)頁， 將添加了輔助信息鏈接后的網(wǎng)頁稱為新網(wǎng)頁。本專利主要針對但不限于處理 網(wǎng)頁中文字信息，在舊網(wǎng)頁中，如果不考慮網(wǎng)頁中諸如注釋、函數(shù)等輔助信 息，在所有的可顯示的文字信息可以分為兩種， 一種是帶有鏈接信息的，一 種是沒有帶有鏈接信息的。在源文件中發(fā)現(xiàn)例如<a href二http:〃mp3.baidu.com^mp3〈/^格式的代碼或類似代碼，說明mp3本身是 帶有鏈接信息的，并且鏈接的地址是http:〃mp3.baidu.com/。通常比較容易的 識別標志是〈a href二鏈接地址x/a〉，在HTML或XML (extensible Markup Language )語言中<a href-鏈接地址x/a〉表示鏈接結(jié)構(gòu)。對于一些其它的結(jié)構(gòu)， 如〈p〉…々p〉等，則不具有鏈接結(jié)構(gòu)。在本發(fā)明中，將為存在鏈接結(jié)構(gòu)的能夠 關(guān)鍵字匹配的文字信息增加新的鏈接結(jié)構(gòu)指向輔助信息，或為不存在鏈接結(jié) 構(gòu)但是能和關(guān)鍵字匹配的結(jié)構(gòu)增加新的鏈接結(jié)構(gòu)以指向輔助信息。在HTML 或XML ( extensible Markup Language )這種互聯(lián)網(wǎng)這種最基本的網(wǎng)頁語言中， 卻只有這一種鏈接結(jié)構(gòu)，而且也只有一種激活方式，即通過鼠標點擊這一種 激活方式。對于現(xiàn)有的互聯(lián)網(wǎng)的越來越復雜的應(yīng)用則必須產(chǎn)生一些新的鏈接
結(jié)構(gòu)以及新的激活方式。為了專利的完整性，在加入輔助鏈接的時候則使用 了一些新的鏈接結(jié)構(gòu)和激活方式。例如，在舊網(wǎng)頁810中，存在這樣一個4連接結(jié)構(gòu)<a href=http:〃A.html>2008年8月8曰將在北京舉辦第29屆奧運會開幕 式〈/a〉如果在關(guān)鍵字匹配模塊150中存在關(guān)鍵字"2008""北京""奧運會"等 關(guān)4建字信息以及關(guān)鍵字對應(yīng)的輔助信息的地址分別為http:〃2008.html 、 http://beijing.html、 http:〃01ympicgames.html，關(guān)4建字匹配模塊在這里(圖8 ) 的功能和圖1到圖6按照輔助信息的地址取回輔助信息不同，這里關(guān)鍵字匹 配模塊還要負責將輔助信息的地址加入到舊網(wǎng)頁被匹配上的位置中，形成新 網(wǎng)頁820。匹配的方法有以下幾種1、使用帶優(yōu)先級的鏈接結(jié)構(gòu)，采用和原有優(yōu)先級不同的標志字符，例如， 原有的標志字符是<&></&>，則可以增加新的優(yōu)先級標志字符〈bx/b〉、 <c></c〉 等，可以定義a的優(yōu)先級大于b， b的優(yōu)先級大于c。根據(jù)上面的例子，可以 定義"北京，，和"奧運會"的優(yōu)先級為b， "2008"的優(yōu)先級為c，則得到以 下的新網(wǎng)頁源文件內(nèi)容〈ahref^http:〃A.htmlxchref:http:〃2008.html〉2008〈/c〉年8月8日將在〈b href=http:〃beijing.html> 北 京 </b> 舉 辦 第 29 屆 <b href二http:〃01ympicgames.html〉奧運會〈/b〉開幕式〈/a〉當新網(wǎng)頁820發(fā)送到客戶端110后，可以采用不同的下劃線方式或不同表優(yōu)先級最高、紅色次之、黃色的優(yōu)先級比紅色低等。用戶可以通過以下方 式激活存在的輔助信息的鏈接(1)鼠標在文字上則取回并顯示網(wǎng)頁所帶的 輔助信息；(2)鼠標在代用輔助信息鏈接的文字上做規(guī)定動作，如轉(zhuǎn)圈畫圓 等；(3)鼠標點擊帶有鏈接結(jié)構(gòu)的網(wǎng)頁條目，在打開時候，同時取回輔助信 息并顯示；(4)瀏覽器識別優(yōu)先級自動或按照時間取回并顯示輔助信息。用 戶可以通過以下方式來顯示取回的輔助信息(l)打開一個新的網(wǎng)頁，即#1 行新的瀏覽器線程或進程，來顯示取回的輔助信息；(2)在原有的網(wǎng)頁中通 過內(nèi)部程序調(diào)用或執(zhí)行JavaScript等腳本語言或執(zhí)行ActiveX控件或調(diào)用瀏覽 器插件來顯示取回的輔助信息；(3)在瀏覽器外部通過調(diào)用系統(tǒng)API或系統(tǒng)
設(shè)備或新的軟硬件程序來顯示取回的輔助信息的方法。2、 使用鏈接結(jié)構(gòu)嵌套表達方式，在瀏覽器解析網(wǎng)頁鏈接結(jié)構(gòu)的時候，識 別出鏈接結(jié)構(gòu)內(nèi)部嵌套的鏈接結(jié)構(gòu)，采用有條件的方式打開這些鏈接的輔助 信息。需要注意的是這也是本發(fā)明的一部分，因為在原有的^t連接結(jié)構(gòu)中，并不支持這種嵌套的表達方式。在這種情況下，新網(wǎng)頁的源文件內(nèi)容為〈ahref二http:〃A.htmlxahref二http:〃2008,html〉2008〈/a〉年8月8日將在〈a href=http:〃beijing.html> 北 京 </a〉 舉 辦 第 29 屆 <a href=http :〃01ympicgames.html〉奧運會〈/a〉開幕式〈/a〉當新網(wǎng)頁820發(fā)送到客戶端110后，可以采用不同的下劃線方式或不同 的彩色文字或不同字體的方式來顯示不同嵌套級別的鏈接結(jié)構(gòu)，例如，藍色 下劃線代表最外層嵌套、紅色下劃線表示內(nèi)層嵌套等等，這需要瀏覽器對多 層嵌套功能的支持。用戶可以通過以下方式激活存在的輔助信息的鏈接(1) 鼠標在文字上則取回并顯示網(wǎng)頁所帶的輔助信息；(2)鼠標在代用輔助信息 鏈接的文字上做規(guī)定動作，如轉(zhuǎn)圏畫圓等；(3)鼠標點擊帶有輔助信息鏈接 的文字；(4)瀏覽器識別嵌套層次自動或按照時間取回并顯示輔助信息。用 戶可以通過以下方式來顯示取回的輔助信息(l)打開一個新的網(wǎng)頁，即執(zhí) 行新的瀏覽器線程或進程，來顯示取回的輔助信息；(2)在原有的網(wǎng)頁中通 過內(nèi)部程序調(diào)用或執(zhí)行JavaScript等腳本語言或執(zhí)行ActiveX控件或調(diào)用瀏覽 器插件來顯示取回的輔助信息；(3)在瀏覽器外部通過調(diào)用系統(tǒng)API或系統(tǒng) 設(shè)備或新的軟硬件程序來顯示取回的輔助信息的方法。3、 在原有的網(wǎng)頁結(jié)構(gòu)中增加新的邏輯控制語句，即在語義中取回輔助信 息的語法，這中語法結(jié)構(gòu)類似"如果條件A成立，則執(zhí)行B操作"，表現(xiàn)在 C語言中為"if(A);B;"，也可以表示為"當條件A成立時，才執(zhí)行B操作"， 表現(xiàn)在C語言中為"while(A)B"。這些帶有語義的語法結(jié)構(gòu)對于網(wǎng)頁的靈活 應(yīng)有具有很好的作用。因為語法結(jié)構(gòu)千變?nèi)f化，因此在本專利中不可能窮盡 所有新的語義表達方式。但是在網(wǎng)頁中加入以上(但不限于以上)語義時， 均在本專利的保護范圍之內(nèi)。在傳統(tǒng)的方法中一般是通過比較復雜的 JavaScript語言來看程序邏輯進行控制的。對于上面的例子可以表述為<i& <a href=http:〃A.html>2008年8月8日將在北京舉辦第29屆奧運會 開幕式<&><a href=http:〃2008.html><a href=http:〃beijing.html><a href=http:〃01ympicgames.html>}或<while> <a href=http:〃A.html>2008年8月8日將在北京舉辦第29屆奧運會開幕式</3><a href=http:〃2008.html><a href=http:〃beijing,html〉<a href=http:〃01ympicgames.html></while>這里還可以把用戶的操作也規(guī)定到網(wǎng)頁里面，例如用戶有點擊(click)、 鼠標移動到鏈接上(mouse on)等，這樣上述代碼可以修改為<while> (<a href=http:〃A.html>2008年8月8日將在北京舉辦第29屆奧運 會開幕式</3> == click)<a href=http:〃2008.html><a href=http://beijing.html><a href=http:〃01ympicgames.html></while>對于網(wǎng)頁的控制當然也可以諸如程序創(chuàng)建(create )、框架創(chuàng)建等各種程序 動作為發(fā)生。這種在網(wǎng)頁內(nèi)部嵌入邏輯控制語句的方法將為網(wǎng)頁帶來更多復雜的應(yīng) 用。這也會對網(wǎng)頁文件解析器(如IE、 Mozilla等)提出更高的要求，并且會 使網(wǎng)頁的結(jié)構(gòu)變得更加復雜。但確確實實給用戶帶來很多不一樣的網(wǎng)頁瀏覽 感受。需要注意的是在網(wǎng)頁中加入邏輯控制語句的方法是一種區(qū)別現(xiàn)有網(wǎng)頁表 達的技術(shù)，可能會有多種多樣的嵌入方式以及各種各樣的嵌入表達，例如， 可能會出現(xiàn)多種控制關(guān)鍵字(前面只列舉了 if、 while等少量關(guān)鍵字)，可能會 有多種的語言單位的標記(例如，語言結(jié)束標記，分割語言羅的標記等)，可 能會在不同的位置插入控制關(guān)鍵字。所有以上的變化均是在本發(fā)明的所考慮 的范圍之內(nèi)，也均在本發(fā)明的保護范圍之中。本發(fā)明中的控制關(guān)鍵字和語義 邏輯的分割都可以參考C語言或其它程序語言的控制關(guān)鍵字和語義劃分的方 法。對于加入了程序控制結(jié)構(gòu)的網(wǎng)頁，需要專門的編:澤器，可以采用類似C語言的編譯器，整個編譯文件，也可以采用Matlab的對M語言的編譯器，對 語言采用逐行編譯的方法。除了可以在網(wǎng)頁文件中加入語言控制邏輯結(jié)構(gòu)，也可以在網(wǎng)頁文件對應(yīng) 的描述文件(例如本發(fā)明中的功能描述文件)中使用。但是使用的語法結(jié)構(gòu)、 關(guān)4囊字種類、語義邏輯劃分等都和把控制邏輯直接加入網(wǎng)頁文件的方法類似。4、形成新的輔助信息描述文件，即釆用內(nèi)容和控制分離的方法來實現(xiàn)對 網(wǎng)頁的控制。以前由于網(wǎng)頁內(nèi)容十分簡單，因此一些小的控制直接可以在網(wǎng) 頁內(nèi)部完成，采用VBScript、 JavaScript, Perl等腳本語言來控制網(wǎng)頁內(nèi)的對 象。隨著網(wǎng)頁功能越來越復雜還將控制和內(nèi)容放在一起已經(jīng)不是很好的選擇 了。還有一些做法是利用Java等語言的遠程調(diào)用來實現(xiàn)一些功能，但是這也 給使用和程序處理帶來了很大難度。隨著DOM ( Document Object Model,文 件目標模型)技術(shù)和Ajax (Asynchronous JavaScript and XML )等新技術(shù)的出 現(xiàn)和發(fā)展，使網(wǎng)頁的腳本HTML變的越來越復雜。本發(fā)明為網(wǎng)頁引入了一種 新的文件格式，描述文件(profile),以輔助信息描述文件為例，如果通過對 網(wǎng)頁進行處理生成輔助信息描述文件，則可以很好地支持包括取回和播放輔 助信息等功能。需要指出的是，輔助信息描述文件實際上是功能描述文件的 一種。描述文件通常和網(wǎng)頁是——對應(yīng)的，在一些特殊情況，如為不同的用 戶使用不同描述文件的時候，描述文件和網(wǎng)頁的關(guān)系也可以是多個描述文件 對應(yīng)同一個網(wǎng)頁。為了能很好的生成功能描述文件，生成和功能描述文件對 應(yīng)的內(nèi)容描述文件往往也變得必不可少。這種概念和Web 3.0,即基于語義 (semantic)的Web，有很大的相似之處，也是對其的補充和發(fā)展。
對于語義的描述可以生成內(nèi)容描述文件，生成的方法可以如下 構(gòu)建一個帶有矢量語義的關(guān)鍵字數(shù)據(jù)庫，如，可口可樂>飲料>食物等，對于每一個關(guān)鍵字，都可以存在一個這樣的矢量語義指向這個關(guān)鍵字，這種做法類似于搜索引擎對搜索關(guān)鍵字分類的處理方法，這搜索引擎包含google、 百度等。構(gòu)建好這樣一個矢量語義的數(shù)據(jù)庫以后，在對網(wǎng)頁進行分析，用過 現(xiàn)有的DOM技術(shù)或類似技術(shù)，把網(wǎng)頁解析為一棵對象樹，然后再把這棵對象 樹下面的節(jié)點對應(yīng)到所述關(guān)鍵字數(shù)據(jù)庫上，通過這種對應(yīng)可以建立一個這樣 的文件，包含網(wǎng)頁中每一個對象數(shù)據(jù)，以及所述對象數(shù)據(jù)調(diào)用句柄或?qū)ο驣D， 以及對應(yīng)的有關(guān)關(guān)鍵字描述。這個文件就叫做內(nèi)容描述文件，該文件還可以 包含一些關(guān)于本網(wǎng)頁的基本內(nèi)容，如URL、時間信息等。分析網(wǎng)頁并把網(wǎng)頁元素對象化的方法除了 DOM方法之外，還有很多。在 本專利中只要能夠?qū)⒕W(wǎng)頁中顯示的文字信息抽取出來并對象化就可以了 。對 于其它多媒體信息(例如視頻、聲音、圖像等)對象化方法以及加入邏輯 控制的方法和文字相同。以上1-4方法都適用于視頻、聲音、圖像等。例如， 對于3方法中的例子<if> <a href=http:〃A.html>2008年8月8日將在北京舉辦第29屆奧運會開幕式</8><a href=http:〃2008.html><a href=http:〃beijing.html><a href=http:〃01ympicgames,html></if>如果A.html被替換成了 A.mp3 (—種語音壓縮一各式)，或2008.html被替 換成2008.jpg,方法3同樣使用，該例子可重寫為<if> <a href=http:〃A.mp3>2008年8月8日將在北京舉辦第29屆奧運會開 幕式〈/a〉<a href=http:〃2008.jpg> <a href=http:〃beijing.html> <a href=http:〃01ympicgames,html></if>由此可見，本發(fā)明對網(wǎng)頁源文件中控制或編輯的對象以及輔助信息的內(nèi) 容，均包含所有媒體可是，例如，視頻、音頻、圖像、文字等。如圖9所示，為分析網(wǎng)頁內(nèi)容并形成一^^果樹的示意圖?，F(xiàn)有^L術(shù)通常通 過DOM來分析網(wǎng)頁并生成一棵樹。DOM通過解析HTML或XML文檔，為 XML文檔在邏輯上建立一個樹模型，樹的節(jié)點是一個個的對象。這樣通過操 作這4果樹和這些對象就可以完成對HTML或XML文檔的操作，為處理文檔 的所有方面提供了一個很好的概念性框架。也為后來生成內(nèi)容描述文件和/或功能描述文件做了前期準備。 如下HTML文檔 <html> <head>《tle〉題目A</title></head><body><a href^，http:〃…"〉鏈接A</a> <a hrefy，http:從..,鏈接B</a> <tr> <td>，內(nèi)容A</p> </td> <td>，內(nèi)容B々p〉 </td> <td>〈p〉內(nèi)容C〈/p〉 </td> </tr> 〈p〉內(nèi)容D々p〉 </body> </html>DOM的結(jié)構(gòu)表示如圖9所示。每一個HTML文檔都可以變成這樣的一 棵樹。而且為了便于控制，每一個元素節(jié)點可以分配一個ID或一個名稱，這 樣便于在進一步處理時調(diào)用元素本身。910為HTML文檔，根元素就是〈html、 這樣一步一步就形成了圖9的樣子。由于DOM " 一切都是節(jié)點(everything扁is-a-node )，，，樹的每個文檔 (Document )、元素(Element )、文本(Text)、屬性(Attr)和注釋(Comment) 都是DOM節(jié)點(Node)。常見的基本節(jié)點類型文檔、元素、屬性、文本 和注釋XML中共有12種節(jié)點類型，其中最常見的節(jié)點類型有5種元素元素是XML的基本組成單元，描述XML的基本信息，在圖9 中有根元素920、頭元素930、文件體元素940、題目元素950、鏈接元素960、 標題元素970、表格元素980、表格項元素986、正文元素987。屬性屬性節(jié)點包含關(guān)于元素節(jié)點的信息，通常包含在元素里面，描述 元素的屬性，圖9中有962超鏈接屬性和985表#~屬性。文本包含許多文本信息或者只是空白，圖9中有951、 961、 962、 971、 981、 982、 983、 984都是文本。并且為了方便表示，把所有的文本標記在900 文本框內(nèi)，這樣做也可以方便關(guān)鍵字匹配模塊整體進行處理。文檔文檔節(jié)點是整個文檔中所有其它節(jié)點的父節(jié)點。注釋注釋是對相關(guān)的信息進行描述、注釋。為能方便快捷地控制各個元素(節(jié)點)，為每一個元素節(jié)點都可以分配一 個ID號或一個名字，這樣就不用在操作的時候遍歷整棵樹了，也為以后生成 內(nèi)容描述文件或功能描述文件帶來了便利。圖IO為發(fā)明中被動式生成內(nèi)容描述文件和功能描述文件示意圖，就使用 不同的ID號來表示不同的元素，如，題目元素950用ID1來表示，由于對應(yīng) 不同的文本961和962，鏈接元素960用ID2、 ID3表示，標題元素970用ID4 表示，同理三個正文元素987對應(yīng)三個不同的文本，用ID5、 ID6、 ID7表示， 最后一個正文元素987用ID8表示。用900表示從網(wǎng)頁文件中抽象出來的所
有文本內(nèi)容，把這些文本內(nèi)容輸入到關(guān)鍵字匹配模塊中150中，生成所述網(wǎng)頁(HTML文件)的內(nèi)容描述文件1000。這里的關(guān)鍵字匹配模塊，雖然也會 維護一個關(guān)鍵字數(shù)據(jù)庫，但是不一定同時具有輔助信息的鏈接地址。這樣生 成的內(nèi)容描述文件1000里面可能只包含一些關(guān)鍵字信息和網(wǎng)頁基本信息。內(nèi) 容描述文件1000包含以下幾部分中至少一部分1、 指定網(wǎng)頁元素的ID號或名稱，方便再次處理或在用戶端調(diào)用各種元 素，這要求在解析網(wǎng)頁的時候要采用統(tǒng)一的方法來對網(wǎng)頁元素編號，分配統(tǒng) 一的ID或一致的名稱；2、 ID或名稱對應(yīng)的關(guān)4建字，如，ID1對應(yīng)關(guān)4建字"北京"，ID2對應(yīng)關(guān) 鍵字"奧運"等；3、 網(wǎng)頁的基本信息，比如網(wǎng)頁的地址http:〃...，網(wǎng)頁創(chuàng)建時間，網(wǎng)頁適合 對象，網(wǎng)頁發(fā)布的信息類型，以及一些網(wǎng)頁的metadate等。這些信息對用戶 了解網(wǎng)頁信息非常有用，也可以方便對網(wǎng)頁進行再次處理?；拘畔⒅芯W(wǎng)頁 適合對象(該信息也可以放入功能描述文件，但是多數(shù)時候是放在內(nèi)容描述是所有網(wǎng)頁都適合兒童觀看，在一些網(wǎng)頁的內(nèi)容描述文件中加入網(wǎng)頁用戶的 信息或限制信息，可以防止一些網(wǎng)絡(luò)不健康信息四處傳播。這樣也可以為網(wǎng) 頁尋找到更適合的瀏覽人群。這需要瀏覽器能夠確定用戶身份，如果以后每 個人都有自己的瀏覽器，則這種身份確定將變?yōu)榭赡堋Ｈ鐖D12所示，內(nèi)容描 述文件1000中含有網(wǎng)頁適合對象，標明了該網(wǎng)頁適合年齡超過16周歲的用 戶，當個性化客戶端需要主動獲取該網(wǎng)頁內(nèi)容的時候，有以下幾種方式進行 判斷該網(wǎng)頁是否適合該用戶1、 用戶獲得內(nèi)容描述文件，發(fā)現(xiàn)網(wǎng)頁適合對象為16歲以上，個性化客 戶端lll發(fā)現(xiàn)自己的用戶信息不滿足以上條件，則停止網(wǎng)頁的請求過程；2、 用戶獲取內(nèi)容描述文件的限制信息，比如大于16周歲，個性化客戶 端111發(fā)現(xiàn)自己的用戶信息不滿足以上條件，則停止網(wǎng)頁請求過程；3、 個性化客戶端111向網(wǎng)站首先發(fā)送用戶信息或加密的用戶信息，網(wǎng)站 發(fā)現(xiàn)個性化客戶端111的用戶信息中年齡為10歲和用戶所請求網(wǎng)頁的內(nèi)容描 述文件中的網(wǎng)頁適合對象條件不相滿足，則停止網(wǎng)頁的請求過程。 網(wǎng)頁(HTML或XML文件)定義一些操作邏輯，增加網(wǎng)頁自身的功能。這樣 就可以生成功能描述文件2000。這一個過程也可以先生成內(nèi)容描述文件1000, 然后再通過其它功能模塊處理內(nèi)容描述文件1000,以生成功能描述文件2000。 功能描述文件通常包含以下幾部分中至少一部分1、 指定網(wǎng)頁元素的ID號或名稱，方便再次處理或在用戶端調(diào)用各種元 素，這要求在解析網(wǎng)頁的時候要采用統(tǒng)一的方法來對網(wǎng)頁元素編號，分配統(tǒng) 一的ID或一致的名稱；2、 網(wǎng)頁的基本信息，比如網(wǎng)頁的地址http:〃...，網(wǎng)頁創(chuàng)建時間，網(wǎng)頁適合 對象，網(wǎng)頁發(fā)布的信息類型，以及一些網(wǎng)頁的metadate等等。這些信息對用 戶了解網(wǎng)頁信息非常有用，也可以方便對網(wǎng)頁進行再次處理。3、 操作邏輯，即用戶(客戶端)在使用并瀏覽網(wǎng)頁時，會主動或被動的 執(zhí)行這些操作邏輯。所述主動執(zhí)行是指，不需要用戶操作，自動按照操作邏 輯執(zhí)行某些具體的程序動作，如，打開/播放/關(guān)閉輔助信息、打開/關(guān)閉新的網(wǎng) 頁、增加/刪除網(wǎng)頁中的對象等；所述被動執(zhí)行是指，需要用戶操作，并通過 用戶的操作采用激活并執(zhí)行的操作邏輯，如，用戶在移動鼠標、或點擊網(wǎng)頁 時的一些操作邏輯，這些操作邏輯也包括打開/播放/關(guān)閉輔助信息、打開/關(guān)閉 新的網(wǎng)頁、增加/刪除網(wǎng)頁中的對象等。如圖10中的功能描述文件2000中的 記錄"ID1: http:〃beijing.html : click : new window", 表示ID號為ID1的元素(題目元素)在被點擊(click)之后，鏈接到"http:〃beijing.html"，并把獲得 的網(wǎng)頁在豸斤的窗口 ( new window)內(nèi)打開；同才羊，i己錄"ID4 : http:〃pingpang.jpg : create : beside",表示ID號為ID4的元素在被創(chuàng)建"create"以后，就鏈接到"http:〃pingpang.jpg",并把獲得的文件在原來網(wǎng)頁的兩邊空白處進行播放；同 樣，記錄"ID5 : http:〃bootball.swf: mouse on : new layer"，表示當鼠標運動到 ID號為ID5的元素之上時，就取回"http:〃bootball.swf，，并在創(chuàng)建的新層中 進行播放。操作邏輯可以多種多樣，有時候可以根據(jù)實際需要采用更為復雜 的操作邏輯，這也需要更好的功能描述文件解析器的支持。例如，根據(jù)一些 復雜的操作邏輯，可能存在條件邏輯、并發(fā)邏輯、選擇邏輯等高級語言中的 邏輯，這個時候可以釆用類似高級語言的方法在功能描述文件2000中加入if(then)語句、while語句、switch語句、for語句等比較復雜的邏輯控制結(jié)構(gòu)， 操作邏輯描述也可以使用現(xiàn)有的計算機編程語言，例如C、 C++、 Java、 C弁或
任何一種腳本語言。。在圖10中存在的兩種新的文件結(jié)構(gòu)，內(nèi)容描述文件1000和功能描述文件2000，都是為了更好的發(fā)揮網(wǎng)頁功能而設(shè)計的。內(nèi)容描述文件1000的主要 作用在于從語義(semantic)的層面上了解網(wǎng)頁的內(nèi)容，而現(xiàn)有的HTML或 XML文件多數(shù)是基于語法的結(jié)構(gòu)來描述網(wǎng)頁的，也就是說現(xiàn)有的HTML或 XML文件只能告訴瀏覽器怎么把文件顯示出來，以及文件內(nèi)部的關(guān)系，而不 能表示現(xiàn)有的HTML或XML文件里面到底都是些什么內(nèi)容，或大概是些什 么內(nèi)容。有了這樣一個基于語義的描述文件，就可以很方便的對海量的網(wǎng)頁 數(shù)據(jù)進行復雜的分類和處理了 。而功能描述文件2000的主要作用則是描述網(wǎng) 頁在被用戶(客戶端)使用的時候的一些主動或被動的操作邏輯，即為用戶 定制的一些動作和功能的描述，例如，功能描述文件可以很好的完成為用戶 提供輔助信息的功能，但決不限于此功能。用戶可以通過隨意點擊網(wǎng)頁上"天 氣"兩個字而獲得今天的天氣情況，用戶可以通過功能描述文件將不認識的 單詞發(fā)送給更專業(yè)的網(wǎng)頁進行翻譯，用戶可以把網(wǎng)頁和本地的一些應(yīng)用程序 關(guān)聯(lián)起來， 一同完成一些復雜的功能，這些在以往看來非常麻煩的工作，通 過功能描述文件可以很容易的進行解決和完成。對于內(nèi)容描述文件和功能描述文件的編碼格式可以采用純文本的字符方式、也可以采用二進制格式。在內(nèi)容描述文件和功能描述文件傳輸?shù)倪^程中 可以采用加密或不加密的方式。如圖ll所示，為被動式的生成和使用功能描述文件的系統(tǒng)示意圖，服務(wù) 端170包含網(wǎng)頁文件4000、處理模塊3000、由處理才莫塊3000生成的內(nèi)容描 述文件1000以及由處理模塊3000生成功能描述文件。網(wǎng)頁文件4000包含所 有的類HTML或XML的腳本文件，首先網(wǎng)頁文件被送到處理才莫塊3000，處 理模塊是一個抽象的模塊感念，包含關(guān)鍵字匹配模塊等多種模塊概念，其功 能就是處理網(wǎng)頁文件，生成功能描述文件2000或內(nèi)容描述文件1000。這里內(nèi) 容描述文件通常是不直接發(fā)給網(wǎng)頁的最終瀏覽用戶即客戶端的，而只是作為 一種對所述網(wǎng)頁文件進行處理的一種中間文件， 一般存儲在網(wǎng)站。通常情況 下，只將網(wǎng)頁文件4000和功能描述文件2000發(fā)送到客戶端，即用戶?？蛻?端的處理流程是這樣的，客戶端獲取網(wǎng)頁文件和網(wǎng)頁對應(yīng)的功能描述文件(可 以同時獲得或有順序獲得)，客戶端通過網(wǎng)頁瀏覽模塊解析并打開網(wǎng)頁，這個
時候也會通過功能描述文件解析器解析所述的功能描述文件，然后通過瀏覽 器或外部程序來執(zhí)行功能文件中的操作邏輯，也可以通過感知用戶的動作來 激活各種操作邏輯，例如，伴隨用戶點擊的動作可能激活了關(guān)于點擊對象的ID對應(yīng)的取回某個廣告信息的操作邏輯。功能描述文件可以由處理模塊3000 直接生成，也可以先由處理模塊生成內(nèi)容描述文件1000，然后處理模塊在處 理內(nèi)容描述文件IOOO，最后生成功能描述文件2000。在客戶端110，包含有 網(wǎng)頁瀏覽模塊120和功能描述文件解析器2100，所述網(wǎng)頁瀏覽模塊120可以 解析并顯示網(wǎng)頁文件4000,所述功能描述文件解析器2100可以解析功能描述 文件，并配合網(wǎng)頁瀏覽模塊一起完成在功能描述文件中預(yù)定義的操作邏輯。 這里功能描述文件解析器2100可以是一個單獨的軟件或是一個瀏覽器中的插 件，功能文件解析器是一個抽象的能夠解析功能描述文件的模塊，可以是目 前通用瀏覽器的軟件功能升級，也可以是一個新的軟件模塊。這里的功能描述文件可以采用類似腳本文件(如，JavaScript、 XML)的 語言和控制結(jié)構(gòu)，也可以采用類似的控制關(guān)鍵字。語言結(jié)構(gòu)可以和在網(wǎng)頁內(nèi) 直接插入邏輯控制語句類似，不同的是，這里不需要再寫出網(wǎng)頁元素的內(nèi)容， 而是用該元素的ID表示就可以了，這樣會比較簡單些。如已知<a href=http:〃A.html>2008年8月8日將在北京舉辦第29屆奧運會開幕 式〈/a〉元素的ID是7卯410這在網(wǎng)頁中直接插入邏輯控制語句的結(jié)構(gòu)<while> (<a href=http:〃A.html>2008年8月8日將在北京舉辦第29屆奧運 會開幕式<&> == click)<a href=http:〃2008,html><a href=http:〃beijing.html><a href=http:〃01ympicgames.html>}</while>可以轉(zhuǎn)化成功能描述文件中的內(nèi)容為 <while> (ID(790410) == click)<a href=http:〃2008.html><a href=http://beijing.html><a href=http:〃01ympicgames.html></while>需要注意的是在功能描述文件中的語言可能會有多種多樣表達，例如， 可能會出現(xiàn)多種控制關(guān)鍵字(前面只列舉了 if、 while等少量關(guān)鍵字)，可能會 有多種的語言單位的標記(例如，語言結(jié)束標記，分割語言羅的標記等)。所 有以上的變化均是在本發(fā)明的所考慮的范圍之內(nèi)，也均在本發(fā)明的保護范圍 之中。本發(fā)明中的控制關(guān)鍵字和語義邏輯的分割都可以參考C語言或其它程 序語言的控制關(guān)鍵字和語義劃分的方法。對于功能描述文件，需要專門的編 譯器-功能描述文件解析器，可以采用類似C語言的編譯器，整個編譯文件， 也可以采用Matlab的對M語言的編譯器，對語言采用逐行編-澤的方法。由于使用了內(nèi)容描述文件1000和功能描述文件2000， -使得網(wǎng)站《^網(wǎng)站 之間，以及網(wǎng)站《^個人《+網(wǎng)站之間，個人《~>網(wǎng)站《+個人之間的數(shù)據(jù)自 動交換成為了可能。網(wǎng)站與網(wǎng)站間或網(wǎng)站與用戶是按如下方式完成對網(wǎng)頁凝: 據(jù)的協(xié)同處理的首先一定有一方(網(wǎng)站或用戶)生成網(wǎng)頁文件，并且生成網(wǎng)頁對應(yīng)的內(nèi) 容描述文件和/或功能描述文件，以下筒稱為生成方； 一定還有一方(網(wǎng)站或 用戶)處理"l妄收到的網(wǎng)頁文件，以及和網(wǎng)頁文件對應(yīng)的內(nèi)容描述文件和/或功 能描述文件，以下簡稱為處理方。然后，處理方根據(jù)接收到功能描述文件中 描述的操作邏輯來處理接收到的網(wǎng)頁和/或網(wǎng)頁對應(yīng)的內(nèi)容描述文件，處理的 方法包括修改數(shù)據(jù)、收集數(shù)據(jù)、生成報表、運算數(shù)據(jù)、分析數(shù)據(jù)、按要求 轉(zhuǎn)發(fā)數(shù)據(jù)等各種操作。通過使用內(nèi)容描述文件和功能描述文件，還可以衍生出大量的復雜應(yīng)用。以下列舉幾個典型的應(yīng)用來加以i兌明例l,網(wǎng)站和網(wǎng)站之間通過內(nèi)容描述文件來進行數(shù)據(jù)交換。例如像google 這樣的搜索引擎，明天需要用網(wǎng)絡(luò)爬行機器人(crawler)搜索大量的復雜的 網(wǎng)頁進行分析，但是如果有了內(nèi)容描述文件以后，可能只需要獲得各個網(wǎng)頁 內(nèi)容描述文件來進行分析就可以了 。還有些時候不得不對一些網(wǎng)站的內(nèi)容進 行檢索，如果檢索并分析所有網(wǎng)頁非常困難，則可以考慮分析網(wǎng)站中網(wǎng)頁對 應(yīng)的內(nèi)容描述文件，這樣會變得非常輕松。在搜索一個網(wǎng)站時，可以為該網(wǎng) 站建立一個網(wǎng)站樹型索引，該樹型索引按每個網(wǎng)頁的URL層次關(guān)系建立，例J(口 ， www.baidu.com為才艮節(jié)點,www.baidu.com/mp3為才艮節(jié)點的一級子節(jié)點, 而www. baidu.com/mp3/list為根節(jié)點的二級子節(jié)點。采用這種方式遍歷所有網(wǎng) 頁的內(nèi)容描述文件，就可以很快的搜索整個網(wǎng)站的內(nèi)容了 。例2,用戶在使用網(wǎng)站時，有時候也不得不處理一些網(wǎng)站凄t據(jù)，來加深對 網(wǎng)站的理解，這時可以采用網(wǎng)頁的功能描述文件來實現(xiàn)個人和多個網(wǎng)站之間 的數(shù)據(jù)交換?？梢酝ㄟ^功能描述文件定義網(wǎng)頁中內(nèi)容和其它網(wǎng)站的接口，把 某一些特點的數(shù)據(jù)導入一些功能描述文件指定的網(wǎng)站，簡單的例子是把一些 特殊詞匯直接導入大型的搜索或百科全書網(wǎng)站，例如，在網(wǎng)頁中看見"白堊 紀，，，可以通過鼠標操作(例如拖動或點擊)，把"白堊紀"詞條發(fā)送到維基 百科網(wǎng)站(www.Wikipedia.com)，然后自動取回"白堊紀，，詞條的意思并顯 示給用戶。如圖12所示，為本發(fā)明中被動式通過設(shè)定網(wǎng)頁適合對象來才更放網(wǎng)頁的示 意圖。網(wǎng)頁描述文件(包括內(nèi)容描述文件1000和功能描述文件2000)中都可 以包含網(wǎng)頁的基本信息，以網(wǎng)頁的內(nèi)容描述文件為例，網(wǎng)頁的基本信息包括 網(wǎng)頁的鏈接地址、創(chuàng)建時間、保存時間、網(wǎng)頁的信息類型(包括，網(wǎng)頁內(nèi)容 分類，如娛樂、體育等)、網(wǎng)頁語言(如中文、英文等)、網(wǎng)頁采用的字 體(如GB2312等)、網(wǎng)頁產(chǎn)生的地點(如地區(qū)名稱或公司名稱)、網(wǎng)頁投 放地點(如地區(qū)等)、網(wǎng)頁適合對象(如對網(wǎng)頁使用對象的年齡、性別、 情趣愛好等方面的要求)。當然內(nèi)容描述文件還應(yīng)該包含網(wǎng)頁內(nèi)元素的名稱或 ID,以及名稱或ID對應(yīng)的關(guān)鍵字信息。除了有網(wǎng)頁描述文件還不能完成對網(wǎng) 頁的個性化投放，用戶還需要一個個性化的客戶端111。個性化客戶端是一個 包含用戶信息的網(wǎng)頁接收瀏覽設(shè)備。所述用戶信息可以通過用戶自己填寫或 個性化客戶端通過其它方式自己收集，所述用戶信息包括用戶的身份信息(用 戶的姓名、地址、性別、年齡、郵件地址、身份ID等)、用戶的興趣愛好(例 如，用戶喜歡汽車、音樂、股票等)。個性化客戶端不光可以判斷一個網(wǎng)頁是 否適合該用戶瀏覽，還有一個重要用途就是根據(jù)用戶信息中的興趣愛好為瀏
覽器推送個性化的廣告信息，也可以包括以下步驟網(wǎng)站獲得個性化客戶端 的資料(包含用戶信息中的興趣愛好)，根據(jù)網(wǎng)站資源和用戶的興趣愛好做匹 配，為用戶推送個性化的信息(包含廣告信息)。網(wǎng)頁適合對象的信息在現(xiàn)有的網(wǎng)頁結(jié)構(gòu)中也是一種空缺結(jié)構(gòu)，因此這部分同樣可以被放入在現(xiàn)有的網(wǎng)頁結(jié)構(gòu)(如HTML文件)中， 一舶:放在網(wǎng)頁的 頭部〈head〉或meta date中，這樣用戶個性化瀏覽器在解析HTML文件時，可 以很快發(fā)現(xiàn)該網(wǎng)頁是否適合該用戶瀏覽。該網(wǎng)頁的結(jié)構(gòu)也在本專利保護范圍 之內(nèi)。本發(fā)明實施例所描述的技術(shù)可以用硬件、軟件、或組合扭J亍。如果用軟 件執(zhí)行，則該技術(shù)可以直接指包含程序代碼的計算機可讀介質(zhì)，該程序代碼 在對視頻序列進行編碼的設(shè)備中執(zhí)行。在該種情況下，計算才幾可讀介質(zhì)可以 包4舌RAM (Random Access Memory,隨才幾存儲器)、SDRAM ( Synchronous Dynamic RAM,同步動態(tài)隨機存儲器)、ROM (Read Only Memory,只讀存 儲器)、NVRAM ( non-volatile RAM非易失性隨才幾存儲器)、EEPROM (Electrically-Erasable Programmable Read-Only Memory, 電可擦除只讀存儲 器)、FLASH (閃存)等。以上公開的僅為本發(fā)明的幾個具體實施例，但是，本發(fā)明并非局限于此， 任何本領(lǐng)域的技術(shù)人員能思之的變化都應(yīng)落入本發(fā)明的保護范圍。
權(quán)利要求
1、一種主動式的根據(jù)網(wǎng)頁內(nèi)容加入輔助信息的方法，其特征在于，包括以下步驟客戶端接收來自網(wǎng)站的網(wǎng)頁；判斷網(wǎng)頁內(nèi)容是否和關(guān)鍵字相匹配；如果發(fā)現(xiàn)所述網(wǎng)頁內(nèi)容和關(guān)鍵字相匹配，則取回關(guān)鍵字對應(yīng)的輔助信息。
2、 如權(quán)利要求1所述主動式的根據(jù)網(wǎng)頁內(nèi)容加入輔助信息的方法，其特 征在于，所述關(guān)鍵字保存在關(guān)鍵字列表中，并且關(guān)鍵字和一個或多個輔助信 息或輔助信息的地址相對應(yīng)。
3、 如權(quán)利要求1所述主動式的根據(jù)網(wǎng)頁內(nèi)容加入輔助信息的方法，其特 征在于，所述網(wǎng)頁內(nèi)容獲取的方法包括釆用獲取整個網(wǎng)頁源代碼的方法；采用獲取客戶端正在顯示部分的網(wǎng)頁內(nèi)容的方法；采用獲取鼠標附近內(nèi)容的方法；釆用獲取鼠標所點擊對象的方法。
4、 一種主動式的根據(jù)網(wǎng)頁內(nèi)容加入輔助信息的系統(tǒng)，其特征在于，包括 客戶端和服務(wù)端，所述服務(wù)端，根據(jù)客戶端的請求把存儲的輔助信息發(fā)送到客戶端； 所述客戶端，與所述服務(wù)端連接，具體包括關(guān)鍵字匹配模塊，用于判斷是否存在關(guān)鍵字和網(wǎng)頁內(nèi)容相匹配，如果發(fā)現(xiàn)所述網(wǎng)頁內(nèi)容和關(guān)鍵字相匹配，則取回所述關(guān)4建字對應(yīng)的輔助信息。
5、 一種被動式的為網(wǎng)頁內(nèi)容加入和關(guān)鍵字相關(guān)的輔助信息鏈接的方法， 其特征在于，包括以下步驟打開網(wǎng)頁源文件；判斷所述網(wǎng)頁源文件內(nèi)容是否和關(guān)鍵字相匹配；如果發(fā)現(xiàn)所述源文件內(nèi) 容中存在和關(guān)鍵字相匹配的字符或字符串，則在所述字符或字符串處加入和關(guān)鍵字對應(yīng)的輔助信息的超鏈接；把被加入了和關(guān)鍵字相關(guān)的輔助信息地址超鏈接的網(wǎng)頁源文件發(fā)送到用 戶，并在用戶端提取出所述的輔助信息。
6、 如權(quán)利要求5所述為網(wǎng)頁內(nèi)容加入新關(guān)鍵字鏈接的方法，其特征在于， 所述字符或字符串如果已經(jīng)具有了超鏈接，則釆用的方法包括超鏈接遞歸的方法，即在所述已經(jīng)具有的超鏈接內(nèi)再使用超鏈接，且標 識才尋〈a〉不改變；使用帶有不同優(yōu)先級的方法，即在所述已經(jīng)具有的超鏈接內(nèi)使用帶有不 同優(yōu)先級的超鏈接；修改超鏈接屬性的方法，即在所述已經(jīng)具有的超鏈接的鏈接標志內(nèi)增加 輔助信息超鏈接的內(nèi)容。
7、 一種為網(wǎng)頁源文件中添加邏輯控制語句的方法，其特征在于，包括以 下步驟打開網(wǎng)頁源文件；設(shè)定網(wǎng)頁的邏輯結(jié)構(gòu)，在網(wǎng)頁源文件中加入邏輯控制語句，并把帶有邏 輯控制語句的網(wǎng)頁發(fā)給用戶；用戶端解析網(wǎng)頁文件，并根邏輯控制語句的觸發(fā)條件，執(zhí)行邏輯控制語 句中定義的操作。
8、 一種被動式的為網(wǎng)頁生成網(wǎng)頁內(nèi)容描述文件的方法，其特征在于，包 括以下步驟獲取網(wǎng)頁內(nèi)容源文件；把網(wǎng)頁內(nèi)可以顯示的文本內(nèi)容和關(guān)鍵字列表進行匹配，如果匹配成功則 在所述內(nèi)容描述文件內(nèi)保留所述匹配成功的關(guān)鍵字條目和網(wǎng)頁內(nèi)容的對應(yīng)關(guān) 系。
9、 一種為網(wǎng)頁選擇或限制投放對象的方法，其特征在于，包括以下步驟 在網(wǎng)頁源文件中或網(wǎng)頁的描述文件中加入網(wǎng)頁適合對象信息；用戶在請求網(wǎng)頁過程中，把用戶本身的用戶信息和所述網(wǎng)頁適合對象信 息進行比較，如果所述用戶信息滿足網(wǎng)頁適合對象信息的要求，則將網(wǎng)頁投 放給用戶，其中，所述網(wǎng)頁描述文件包括網(wǎng)頁的內(nèi)容描述文件和功能描述文 件中至少一種。
10、 一種實現(xiàn)個性化網(wǎng)頁瀏覽客戶端的方法，其特征在于，包括以下步驟網(wǎng)頁瀏覽器獲得用戶信息；瀏覽器在瀏覽網(wǎng)頁時，加載所述用戶信息，并根據(jù)所述用戶信息的內(nèi)容 和所述網(wǎng)頁的服務(wù)端進行交互。
11、 如權(quán)利要求IO所述實現(xiàn)個性化網(wǎng)頁瀏覽客戶端的方法，其特征在于，所述網(wǎng)頁服務(wù)端根據(jù)所述用戶信息中的興趣愛好向所述客戶端推送廣告信 自
12、 一種被動式的生成網(wǎng)頁功能描述文件的方法，其特征在于，包括以 下步驟獲得網(wǎng)頁的源文件或網(wǎng)頁的內(nèi)容描述文件；為相關(guān)的網(wǎng)頁元素設(shè)置操作邏輯，并形成記錄保存到功能描述文件中； 所述操作邏輯是所述網(wǎng)頁元素在某種情況下，瀏覽器需要執(zhí)行對應(yīng)的操作。
13、 一種被動式使用網(wǎng)頁描述文件的系統(tǒng)，其特征在于，包括服務(wù)端和 客戶端，所述服務(wù)端具體包括處理模塊，用于處理網(wǎng)頁文件，并在服務(wù)端內(nèi)生成 網(wǎng)頁的內(nèi)容描述文件和/或功能描述文件；所述客戶端具體包括網(wǎng)頁瀏覽模塊和功能文件解析器，所述網(wǎng)頁瀏覽模塊，用于解析并瀏覽網(wǎng)頁源文件；所述功能描述文件解析器，用來解析功能描述文件，并且通過功能描述 文件和網(wǎng)頁瀏覽模塊一起完成功能描述文件中定義的操作邏輯；其中，所述操作邏輯是所述網(wǎng)頁元素在某種情況下，瀏覽器需要執(zhí)行對 應(yīng)的操作。
14、 一種網(wǎng)站與網(wǎng)站或網(wǎng)站與用戶的數(shù)據(jù)協(xié)同處理方法，其特征在于， 包括以下步驟處理方接收到來自生成方的網(wǎng)頁文件，以及網(wǎng)頁文件對應(yīng)的功能描述文 件和/或內(nèi)容描述文件； 處理方根據(jù)接收到功能描述文件中描述的操作邏輯來處理接收到的網(wǎng)頁和/或網(wǎng)頁對應(yīng)的內(nèi)容描述文件；所述生成方為生成網(wǎng)頁文件，并且生成網(wǎng)頁對應(yīng)的內(nèi)容描述文件和/或 功能描述文件的一方；所述處理方為處理接收到的網(wǎng)頁文件，以及和網(wǎng)頁 文件對應(yīng)的內(nèi)容描述文件和/或功能描述文件的 一方。
全文摘要
本發(fā)明公開了一種應(yīng)用網(wǎng)頁語義的方法和系統(tǒng)，該方案的主要用途之一就是提取網(wǎng)頁中的語義內(nèi)容，并加以分析和利用，例如可以通過語義的提取為網(wǎng)頁加上與網(wǎng)頁內(nèi)容相關(guān)的廣告。有被動式和主動式兩種方法分析網(wǎng)頁語義。主動式是在客戶端，即網(wǎng)頁瀏覽端，運行一個關(guān)鍵字匹配模塊，分析并通過指定模式尋找網(wǎng)頁中存在的關(guān)鍵字，當發(fā)現(xiàn)匹配的關(guān)鍵字時，則向服務(wù)端發(fā)起輔助信息請求，通常是廣告信息請求，獲得廣告信息，并在適當?shù)牡胤讲シ?。被動式則是把網(wǎng)頁進行預(yù)先處理，形成網(wǎng)頁的內(nèi)容描述文件或功能描述文件，然后把功能描述文件和網(wǎng)頁一起發(fā)送給客戶端，客戶端按預(yù)定義的操作邏輯執(zhí)行。
文檔編號G06F17/30GK101154231SQ20071011852
公開日2008年4月2日 申請日期2007年7月9日 優(yōu)先權(quán)日2007年7月9日
發(fā)明者孟智平 申請人:孟智平