[发明专利]资讯文本的获取方法、装置、电子设备及可读存储介质

权利要求书

1.一种资讯文本的获取方法，其特征在于，所述方法包括：

对获取到的HTML资讯页面进行解析，得到Dom树有向图结构；所述HTML资讯页包括多个HTML节点；

将所述Dom树有向图结构中的数据输入至预设的图神经网络深度学习模型，以使所述图神经网络深度学习模型预测每个HTML节点属于正文内容的概率，得到与多个HTML节点一一对应的多个预测概率；

获取与所述多个预测概率中前N个最大的指定概率一一对应的多个HTML指定节点；N为预设数；

获取与所述多个HTML指定节点对应的资讯正文文本。

2.根据权利要求1所述的资讯文本的获取方法，其特征在于，所述对获取到的HTML资讯页面进行解析，得到Dom树有向图结构的步骤包括：

对获取到的HTML资讯页面进行解析，得到Dom树；

对所述Dom树进行数据结构转化，得到Dom树有向图结构。

3.根据权利要求1所述的资讯文本的获取方法，其特征在于，所述获取与所述多个HTML指定节点对应的资讯正文文本的步骤包括：

获取所述多个HTML指定节点对应的最小公共父节点；

调取所述最小公共父节点下的字符内容，并标记所述字符内容为资讯正文文本。

4.根据权利要求1所述的资讯文本的获取方法，其特征在于，所述图神经网络深度学习模型预测每个HTML节点属于正文内容的概率，得到与多个HTML节点一一对应的多个预测概率的步骤包括：

所述图神经网络深度学习模型根据所述数据包括的所述多个HTML节点和所述多个HTML节点之间的相互连接信息，预测每个HTML节点属于正文内容的概率，得到与多个HTML节点一一对应的多个预测概率。

5.一种图神经网络深度学习模型的训练方法，用于权利要求1至4中任一项所述的资讯文本的获取方法中，其特征在于，所述方法包括：

根据3～6个叠加的图卷积层和1个全连接层，构建基于图神经网络的特征抽取模型；

获取与HTML训练页面对应的训练用Dom树有向图结构，并获取与HTML训练页面对应的标注数据集；

分割所述训练用Dom树有向图结构中的数据为训练集和测试集；所述训练集和所述测试集的数量比值为预设比值；

根据所述标注数据集、所述训练集和所述测试集对所述特征抽取模型进行训练，得到图神经网络深度学习模型；其中，

每一个图卷积层的结构为：

H(l+1)＝D^-1AH^(l)；

D用于表示所述训练用Dom树有向图结构包括的度信息矩阵；

A用于表示所述训练用Dom树有向图结构包括的边信息矩阵；

H^(l)用于表示所述训练用Dom树有向图结构包括的节点信息；

l用于表示所述特征抽取模型中的第l层图卷积层；

H^(l+1)用于表示经过特征抽取和变换得到的节点特征信息矩阵。

6.根据权利要求5所述的图神经网络深度学习模型的训练方法，其特征在于，所述获取与HTML训练页面对应的训练用Dom树有向图结构的步骤包括：

对所述预设浏览器对HTML训练页面进行渲染，并构建对应的Dom树；

将所述HTML训练页面中的html节点确定为根节点；

根据所述根节点和预设遍历规则进行遍历解析，得到所述根节点包括的多个子节点；

将所述根节点和所有子节点确定为多个HTML节点，记录每个HTML节点包括字符内容；

获取所述每个HTML节点的CSS属性值和所述每个HTML节点在预设个不同特征维度下的数值特征；

根据所述每个HTML节点在预设个不同特征维度下的数值特征生成训练用Dom树有向图结构；其中，所述Dom树的有向图结构包括由矩阵表示的节点信息、由矩阵表示的边信息以及由矩阵表示的度信息。