[发明专利]基于页面分割的评价与优化方法、装置、设备及存储介质

权利要求书

1.一种基于页面分割的评价与优化方法，其特征在于，所述基于页面分割的评价与优化方法包括：

从目标客户端获取文字提取指令和页面分割指令，并根据所述文字提取指令确定目标提取算法；

读取网页页面，根据所述网页页面获取过滤后的网页页面，并根据所述目标提取算法和所述过滤后的网页页面，获取待提取文字字段；

根据所述页面分割指令对所述过滤后的网页页面进行处理，得到第一文档区域和第二文档区域，并根据所述待提取文字字段、其他文字字段、所述第一文档区域和所述第二文档区域，得到目标文档区域和其他文档区域，所述目标文档区域的样式与所述其他文档区域的样式不同，所述其他文字字段为所述过滤后的网页页面中除所述待提取文字字段之外的文字字段；

根据所述文字提取指令、所述目标文档区域和所述其他文档区域，获取目标提取算法的评价指标；

判断所述目标提取算法的评价指标是否小于指标阈值，若小于，则通过可视化工具根据所述目标文档区域或者所述其他文档区域获取多个待优化参数，待优化参数为高于优化阈值的参数；

根据所述多个待优化参数调整所述目标提取算法，得到新的目标提取算法。

2.根据权利要求1所述的基于页面分割的评价与优化方法，其特征在于，所述读取网页页面，根据所述网页页面获取过滤后的网页页面，并根据所述目标提取算法和所述过滤后的网页页面，获取待提取文字字段包括：

将网页页面进行规范化处理，得到规范化网页页面；

将所述规范化网页页面进行结构化预处理，得到预处理后的网页页面，所述预处理后的网页页面包括多个标签节点；

将所述预处理后的网页页面进行噪声过滤，得到过滤后的网页页面，所述过滤后的网页页面包括多个相关标签节点；

基于所述过滤后的网页页面，对所述多个相关标签节点进行比值计算，得到多个节点比值，并在所述多个节点比值中确定目标标签节点，根据目标标签节点确定待提取文字字段。

3.根据权利要求1所述的基于页面分割的评价与优化方法，其特征在于，所述根据所述页面分割指令对所述过滤后的网页页面进行处理，得到第一文档区域和第二文档区域，并根据所述待提取文字字段、其他文字字段、所述第一文档区域和所述第二文档区域，得到目标文档区域和其他文档区域，所述目标文档区域的样式与所述其他文档区域的样式不同，所述其他文字字段为所述过滤后的网页页面中除所述待提取文字字段之外的文字字段包括：

对所述页面分割指令进行解析，得到起始标识和终止标识；

基于所述起始标识和所述终止标识对所述过滤后的网页页面进行分割，得到第一文档区域和第二文档区域；

将所述待提取文字字段写入所述第一文档区域，得到目标文档区域，将所述其他文字字段写入第二文档区域，得到其他文档区域，所述目标文档区域的样式与所述其他文档区域的样式不同，所述其他文字字段为所述过滤后的网页页面中除所述待提取文字字段之外的文字字段。

4.根据权利要求1所述的基于页面分割的评价与优化方法，其特征在于，所述根据所述文字提取指令、所述目标文档区域和所述其他文档区域，获取目标提取算法的评价指标包括：

通过可视化工具，统计所述目标文档区域中的字符数量，得到待提取字符数量，所述待提取字符数量包括第一目标字符数量和其他字符数量，所述第一目标字符数量为所述待提取文字字段中符合所述文字提取指令的待提取文字数量，所述其他字符数量为所述待提取文字字段中不符合所述文字提取指令的待提取文字数量；

通过可视化工具，统计所述其他文档区域中的字符数量，得到第二目标字符数量，所述第二目标字符数量为所述其他文字字段中符合所述文字提取指令的字符数量；

根据所述第一目标字符数量、所述其他字符数量和所述第二目标字符数量计算评价指标，得到目标提取算法的评价指标。