[发明专利]针对多记录网页的记录项抽取系统及方法在审
| 申请号： | 201410503955.9 | 申请日： | 2014-09-28 |
| 公开（公告）号： | CN104217025A | 公开（公告）日： | 2014-12-17 |
| 发明（设计）人： | 陈国龙;廖祥文;陈巧灵 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福州市*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种针对多记录网页的记录项抽取系统及方法，该系统包括：记录树对齐模块，接收已抽取好的记录区域子树，并利用标签信息及语义信息进行树对齐，得到一棵超树，从而让相同语义的节点对应于超树的同一个节点；记录内容抽取模块，使用文本密度及文本密度和度量指标确定记录中记录内容位置；记录项输出模块，将记录区域里所有记录项及其语义标注按照树节点先序遍历输出；反馈框架，在抽取记录项后利用抽取结果检查记录区域定位是否正确，不正确则重新定位记录区域，进而修改记录项抽取结果，正确则直接结束抽取流程。该系统及方法能够高效、准确地对多记录网页中记录区域进行记录项抽取，抽取速度快、准确度高，通用性强，适用范围广。 | ||
| 搜索关键词： | 针对 记录 网页 抽取 系统 方法 | ||
【主权项】：
一种针对多记录网页的记录项抽取系统，其特征在于，包括：记录树对齐模块，用于接收已抽取好的记录区域子树，并利用标签信息及语义信息进行树对齐，得到一棵超树，从而让相同语义的节点对应于超树的同一个节点；记录内容抽取模块，使用文本密度及文本密度和度量指标确定记录中记录内容位置；记录项输出模块，用于将记录区域里所有记录项及其语义标注按照树节点先序遍历输出；反馈框架，用于在抽取记录项后利用抽取结果检查记录区域定位是否正确，如果不正确则重新定位记录区域，进而修改记录项抽取结果，直至抽取结果正确或者无法定位到新的记录区域异常结束，如果正确，则直接结束抽取流程。
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福州大学，未经福州大学许可，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/201410503955.9/，转载请声明来源钻瓜专利网。
