[发明专利]信息过滤方法和装置

权利要求书

1.一种信息过滤方法，其特征在于，包括：

获取待展示的网络平台页面中的内容；

利用预先获取的特征，对所述网络平台页面中的内容进行过滤，得到所述网络平台页面的主体内容，其中，所述特征用于表示所述网络平台页面中转换信息的特征，所述转换信息用于标识由主体内容转换为非主体内容；

展示过滤得到的所述主体内容；

其中，利用预先获取的特征，对所述网络平台页面中的内容进行过滤，得到所述网络平台页面的主体内容包括：

对所述网络平台页面进行深度优先搜索；

在搜索到所述特征的情况下，获取从搜索的起始点到搜索到所述特征的特征点之间的内容确定为所述网络平台页面的主体内容，过滤掉所述特征点之后的内容，

其中，所述转换信息包括所述主体内容的结束信息，或所述非主体内容的开始信息；

其中，对所述网络平台页面进行深度优先搜索包括：

解析所述网络平台页面，得到所述网络平台页面的页面结点树，其中，所述页面节点树是根据深度优先搜索进行网络平台页面分析时确定的树结构文本；

从所述页面结点树的根节点开始，对所述页面结点树中的各个结点进行深度优先搜索。

2.根据权利要求1所述的方法，其特征在于，其中，所述起始点为所述页面节点树的根结点，其中，获取从搜索的起始点到搜索到所述特征的特征点之间的内容确定为所述网络平台页面的主体内容，过滤掉所述特征点之后的内容包括：

在执行所述深度优先搜索的过程中，若未搜索到所述特征，则将搜索过的结点对应的内容追加入主体内容中；

若搜索到所述特征，记录搜索到所述特征的特征点，停止追加所述主体内容，并将所述页面结点树中未搜索过的结点对应的内容过滤掉。

3.根据权利要求1所述的方法，其特征在于，在对所述网络平台页面中的内容进行过滤之前，所述方法还包括：

获取多个网络平台页面；

从所述多个网络平台页面中提取转换信息，其中，所述转换信息用于标识由主体内容转换为非主体内容；

基于提取到的转换信息，生成所述特征。

4.一种信息过滤装置，其特征在于，包括：

获取单元，用于获取待展示的网络平台页面中的内容；

过滤单元，用于利用预先获取的特征，对所述网络平台页面中的内容进行过滤，得到所述网络平台页面的主体内容，其中，所述特征用于表示所述网络平台页面中转换信息的特征，所述转换信息用于标识由主体内容转换为非主体内容；

展示单元，用于展示过滤得到的所述主体内容；

其中，过滤单元包括：

搜索模块，用于对所述网络平台页面进行深度优先搜索；

确定模块，用于在搜索到所述特征的情况下，获取从搜索的起始点到搜索到所述特征的特征点之间的内容确定为所述网络平台页面的主体内容，过滤掉所述特征点之后的内容，

其中，所述转换信息包括所述主体内容的结束信息，或所述非主体内容的开始信息；

其中，所述搜索模块包括：

解析模块，用于解析所述网络平台页面，得到所述网络平台页面的页面结点树，其中，所述页面节点树是根据深度优先搜索进行网络平台页面分析时确定的树结构文本；

第一搜索子模块，用于从所述页面结点树的根节点开始，对所述页面结点树中的各个结点进行深度优先搜索。

5.根据权利要求4所述的装置，其特征在于，其中，所述起始点为所述页面节点树的根结点，其中，确定模块包括：

追加模块，用于在执行所述深度优先搜索的过程中，若未搜索到所述特征，则将搜索过的结点对应的内容追加入主体内容中；

第一过滤模块，用于若搜索到所述特征，记录搜索到所述特征的特征点，停止追加所述主体内容，并将所述页面结点树中未搜索过的结点对应的内容过滤掉。

6.根据权利要求4所述的装置，其特征在于，在过滤单元过滤之前，所述装置还包括：

获取模块，用于获取多个网络平台页面；

提取模块，用于从所述多个网络平台页面中提取转换信息，其中，所述转换信息用于标识由主体内容转换为非主体内容；

生成模块，用于基于提取到的转换信息，生成所述特征。