[发明专利]一种新闻网页内容的抽取方法有效
| 申请号： | 201110444156.5 | 申请日： | 2011-12-27 |
| 公开（公告）号： | CN103136312A | 公开（公告）日： | 2013-06-05 |
| 发明（设计）人： | 黄靖 | 申请（专利权）人： | 北京麦克斯泰科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100081 北京市海淀*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明新闻网页内容的抽取方法，该方法包括：先将页面解析成树结构，然后观察每个树节点，计算该节点及其子节点中纯文字数、长链接数和短链接数，并根据纯文字数占整个页面中的纯文字数的比例，长链接数和短链接数与纯文字数之间的比例，计算出哪个节点是最底层的包含正文的节点，经过关键词广告及版权声明处理器过滤，从而抽取出正文。 | ||
| 搜索关键词： | 一种 新闻 网页 内容 抽取 方法 | ||
【主权项】：
一种去除噪音信息的新闻网页内容抽取方法，其特征在于，该方法包括以下步骤：解析Html页面，将html转换成标准xml格式，并过滤掉非显示的标记；生成文档树结构（DOMTree）并遍历该计算页面包含的正文数，短链接数和长链接数；一层一层计算每个节点的权重，找到最权重最大的节点，该节点就是包含正文的节点。
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北京麦克斯泰科技有限公司，未经北京麦克斯泰科技有限公司许可，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/201110444156.5/，转载请声明来源钻瓜专利网。
- 内容再现系统、内容提供方法、内容再现装置、内容提供装置、内容再现程序和内容提供程序
- 内容记录系统、内容记录方法、内容记录设备和内容接收设备
- 内容服务系统、内容服务器、内容终端及内容服务方法
- 内容分发系统、内容分发装置、内容再生终端及内容分发方法
- 内容发布、内容获取的方法、内容发布装置及内容传播系统
- 内容提供装置、内容提供方法、内容再现装置、内容再现方法
- 内容传输设备、内容传输方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容发送设备、内容发送方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容再现装置、内容再现方法、内容再现程序及内容提供系统
- 内容记录装置、内容编辑装置、内容再生装置、内容记录方法、内容编辑方法、以及内容再生方法
