[发明专利]一种网页主题提取系统和方法无效
| 申请号： | 200610036003.6 | 申请日： | 2006-06-15 |
| 公开（公告）号： | CN101079031A | 公开（公告）日： | 2007-11-28 |
| 发明（设计）人： | 丁江伟 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 深圳市顺天达专利商标代理有限公司 | 代理人： | 郭伟刚;蔡晓红 |
| 地址： | 518057广东省深圳市高新科*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种网页主题提取系统，包括文档解析器，其用于从网页源文件中提取网页标题和具有不同突出显示属性的网页正文；还包括：分词模块，其用于将所述网页正文、网页标题和网页类别信息进行分词，得到第一词汇表；义元处理模块，其用于将所述第一词汇表中的词汇转换为义元，对所述义元计算权重，最后再对计算权重后的义元进行反向还原，得到主题词汇集合。本发明还提供了一种网页主题提取方法。本发明的有益效果在于：采用基于义元集的语义分析技术，避免了词汇稀疏的难题，对短文章的分析效果良好。充分考虑了网页的预分类、标题信息和显示属性，能够准确地提取出网页的主题。采用带权重的词汇排序表表示网页的主题，避免了信息的丢失。 | ||
| 搜索关键词： | 一种 网页 主题 提取 系统 方法 | ||
【主权项】：
1、一种网页主题提取系统，包括文档解析器，其用于从网页源文件中提取网页标题和具有不同突出显示属性的网页正文；其特征在于，还包括：分词模块，其用于将所述网页正文、网页标题和网页类别信息进行分词，得到第一词汇表；义元处理模块，其用于将所述第一词汇表中的词汇转换为义元，对所述义元计算权重，最后再对计算权重后的义元进行反向还原，得到主题词汇集合。
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腾讯科技（深圳）有限公司，未经腾讯科技（深圳）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/200610036003.6/，转载请声明来源钻瓜专利网。
