[发明专利]基于HTML特征的文本内容提取方法无效
| 申请号： | 200610028064.8 | 申请日： | 2006-06-22 |
| 公开（公告）号： | CN101093487A | 公开（公告）日： | 2007-12-26 |
| 发明（设计）人： | 金骏;胡创义 | 申请（专利权）人： | 上海新纳广告传媒有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海科盛知识产权代理有限公司 | 代理人： | 赵志远 |
| 地址： | 200050上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于HTML特征的文本内容提取方法，该方法实现的步骤包括：1)使用标签把输入的HTML网页进行分解成多个模块；2)如果1)中分解的模块还能继续再分解而且没有出现Table或Div标签混杂的情况，那么再把它送到步骤1)继续分解；3)把输入的模块根据在布局中的不同位置给与不同位置得分；4)计算每个模块的链接文字长度和每个模块超链接内文本的长度；5)根据公式：综合得分＝位置得分×文字长度/链接文字长度得出每个模块得综合得分。与现有技术相比，提高了网页布局的解析效率；提高了文本聚类和文本分类、自动摘要的准确性。 | ||
| 搜索关键词： | 基于 html 特征 文本 内容 提取 方法 | ||
【主权项】：
1.基于HTML特征的文本内容提取方法，其特征在于，该方法实现的步骤包括：1)使用标签把输入的HTML网页进行分解成多个模块；2)如果1)中分解的模块还能继续再分解而且没有出现Table或Div标签混杂的情况，那么再把它送到步骤1)继续分解；3)把输入的模块根据在布局中的不同位置给与不同位置得分；4)计算每个模块的链接文字长度和每个模块超链接内文本的长度；5)根据公式：综合得分＝位置得分×文字长度/链接文字长度得出每个模块得综合得分，综合得分最高的为内容模块。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海新纳广告传媒有限公司，未经上海新纳广告传媒有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200610028064.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于缆桥技术的设备自动配置方法
- 下一篇：异常电源电压切断装置
