[发明专利]基于HTML的信息智能提取技术的方法

权利要求书

1.基于HTML的信息智能提取技术的方法，其特征在于：根据实体种子集中的多个实体种子，从目标语料中提取多个实体候选和多个属性候选，所述实体种子集由属于目标类别的多个实体种子构成；根据多个实体和所述多个属性候选，建立实体与属性的关联关系，所述多个实体包括所述多个实体种子和所述多个实体候选；所述根据所述实体与属性的关联关系，分别从所述多个实体中确定出至少一个目标实体，从所述多个属性候选中确定出至少一个目标属性，包括：

根据所述实体与属性的关联关系中，各个实体与各个属性的关联系数，对所述多个实体中的每个实体和所述多个属性候选中的每个属性候选进行打分；根据所述多个实体的打分结果，从所述多个实体中确定出所述至少一个目标实体；根据所述多个属性候选的打分结果，从所述多个属性候选中确定出所述至少一个目标属性；最后，将提取的目标实体存储在目标实体集中，将提取的目标属性存储在与目标实体关联的目标属性集中，将相邻的语义关联的行合并为段落，与相邻行不存在语义关联的行独立成为段落，得到结构化文本；建立包含关键词的关键信息表单；通过特征获取关键信息，并该关键信息写入所述关键信息表单中，完成关键信息提取。

2.如权利要求1所述的基于HTML的信息智能提取技术的方法，其特征在于根据所述实体与属性的关联关系，分别从所述多个实体中确定出至少一个目标实体，从所述多个属性候选中确定出至少一个目标属性，包括：根据所述实体与属性的关联关系中，各个实体与各个属性的关联系数，对所述多个实体中的每个实体和所述多个属性候选中的每个属性候选进行打分；根据所述多个实体的打分结果，从所述多个实体中确定出所述至少一个目标实体；根据所述多个属性候选的打分结果，从所述多个属性候选中确定出所述至少一个目标属性。