[发明专利]Web页面的标签提取方法及装置

权利要求书

1.一种Web页面的标签提取方法，其特征在于，包括：

确定待提取的Web页面；

根据所述Web页面，获得所述Web页面的位置信息和/或锚文本；

根据所述Web页面的位置信息和/或锚文本，提取所述Web页面的第一标签。

2.根据权利要求1所述的方法，其特征在于，所述Web页面包括用于提供资讯信息的Web页面。

3.根据权利要求1或2所述的方法，其特征在于，所述确定待提取的Web页面之后，还包括：

根据所述Web页面的标题和/或正文，提取所述Web页面的第二标签。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述第一标签的权重和所述第二标签的权重，获得所述第一标签与所述Web页面的第一关联性和所述第二标签与所述Web页面的第二关联性；

根据所述第一关联性和所述第二关联性，调整所述第一标签和所述第二标签。

5.根据权利要求1～4任一权利要求所述的方法，其特征在于，所述根据所述第一标签的权重和所述第二标签的权重，获得所述第一标签与所述Web页面的第一关联性和所述第二标签与所述Web页面的第二关联性之前，还包括：

根据所述第一标签或第二标签在所述Web页面中的位置、所述第一标签或第二标签在所述Web页面中的重复次数、所述第一标签或第二标签在所述Web页面中的独立表意能力、所述第一标签或第二标签在所述Web页面中的词性和所述第一标签或第二标签在所述Web页面中的层次中的至少一项信息，获得所述第一标签或第二标签的权重。

6.一种Web页面的标签提取装置，其特征在于，包括：

确定单元，用于确定待提取的Web页面；

获得单元，用于根据所述Web页面，获得所述Web页面的位置信息和/或锚文本；

提取单元，用于根据所述Web页面的位置信息和/或锚文本，提取所述Web页面的第一标签。

7.根据权利要求6所述的装置，其特征在于，所述确定单元确定的所述Web页面包括用于提供资讯信息的Web页面。

8.根据权利要求6或7所述的装置，其特征在于，所述提取单元，还用于

根据所述Web页面的标题和/或正文，提取所述Web页面的第二标签。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括调整单元，用于

根据所述第一标签的权重和所述第二标签的权重，获得所述第一标签与所述Web页面的第一关联性和所述第二标签与所述Web页面的第二关联性；以及根据所述第一关联性和所述第二关联性，调整所述第一标签和所述第二标签。

10.根据权利要求6～9任一权利要求所述的装置，其特征在于，所述调整单元，还用于

根据所述第一标签或第二标签在所述Web页面中的位置、所述第一标签或第二标签在所述Web页面中的重复次数、所述第一标签或第二标签在所述Web页面中的独立表意能力、所述第一标签或第二标签在所述Web页面中的词性和所述第一标签或第二标签在所述Web页面中的层次中的至少一项信息，获得所述第一标签或第二标签的权重。