[发明专利]一种文章类型网页智能抽取系统及其方法有效
| 申请号： | 201110455156.5 | 申请日： | 2011-12-31 |
| 公开（公告）号： | CN102567530A | 公开（公告）日： | 2012-07-11 |
| 发明（设计）人： | 吴华鹏;曾明;厉锟 | 申请（专利权）人： | 凤凰在线(北京)信息技术有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 北京瑞思知识产权代理事务所(普通合伙) 11341 | 代理人： | 李涛 |
| 地址： | 100029 北京市海*** | 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： | 一种文章类型网页智能抽取系统，包括：待抽取网页载入模块、包装器查询模块、网页抽取模块、抽取失败网页收集模块、学习判断模块、网页学习模块、抽取包装器管理模块。 | ||
| 搜索关键词： | 一种 文章 类型 网页 智能 抽取 系统 及其 方法 | ||
【主权项】：
一种文章类型网页智能抽取系统，包括：(1)待抽取网页载入模块，定时查询本地索引，发现新索引就按照索引将网页载入系统内存中；(2)包装器查询模块，对所有待抽取的网页，查询具体抽取包装器信息，如果查询到，就按照抽取包装器，进入抽取模块，进行具体抽取，否则，将网页标记为抽取失败；(3)网页抽取模块，从网页中抽取出具体文章信息，借助已有的抽取包装器；(4)抽取失败网页收集模块，将本轮抽取失败的网页收集起来，按网站分类，以方便进行集中学习；(5)学习判断模块，按同网站查询抽取失败网页集合，根据每一网站的失败网页数量，计算此网站本轮抽取成功失败比例，决定是否进入网页学习模块；(6)网页学习模块，对所有失败网页进行机器学习，最后生成新的抽取包装器；(7)抽取包装器管理模块，对系统的抽取包装器进行管理，也即对路径库和模式库进行管理，并提供包装器使用接口给网页抽取模块，提供包装器更新接口给网页学习模块。
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凤凰在线(北京)信息技术有限公司，未经凤凰在线(北京)信息技术有限公司许可，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/201110455156.5/，转载请声明来源钻瓜专利网。
