[发明专利]一种小说目录项的识别方法、装置和系统

摘要

本发明实施例公开了一种小说目录项的识别方法、装置和系统。本发明实施例通过确定万维网网页中是否存在小说目录项特征，来从万维网网页中初步识别出小说目录页，而对于不存在小说目录项特征的万维网网页，则进一步通过视觉分块以及建立第一DOM树，并利用第一DOM树获取疑似目录块的特征，然后根据疑似目录块的特征来确定是否是小说目录页，从而实现了对小说目录项的识别，从而便于后续在移动终端上进行显示，以提高显示效果，改善用户的浏览质量。

主权项

1.一种小说目录项的识别方法，其特征在于，包括：根据万维网网页的链接确定所述万维网网页是否为首页或二级首页；若是，则确定不存在小说目录项特征；若否，则根据所述万维网网页建立第二文档对象模型树，利用所述第二文档对象模型树获取所述万维网网页的标题和全文具有正文特征的文本链接，确定所述标题存在预置的小说标题特性关键词，且确定所述全文具有正文特征的文本链接中存在预置的小说正文特性关键词的文本链接的数量大于等于预置的第一阈值，且确定全文中相似文本链接占全文所有文本链接的比例大于等于预置的第二阈值时，确定存在小说目录项特征，否则，确定不存在小说目录项特征；若存在小说目录项特征，则确定所述万维网网页为小说目录页；若不存在小说目录项特征，则对所述万维网网页进行视觉分块，得到分块后网页，根据分块后网页建立第一文档对象模型树，根据所述第一文档对象模型树获取疑似目录块的特征，根据所述疑似目录块的特征确定存在小说目录页时，确定所述分块后网页为小说目录页。