[发明专利]一种网页正文提取方法及装置有效
| 申请号： | 201510897907.7 | 申请日： | 2015-12-08 |
| 公开（公告）号： | CN106855859B | 公开（公告）日： | 2020-11-10 |
| 发明（设计）人： | 胡又欢;卞维杰 | 申请（专利权）人： | 北京搜狗科技发展有限公司 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F16/9536 |
| 代理公司： | 北京华沛德权律师事务所 11302 | 代理人： | 马苗苗 |
| 地址： | 100084 北京市海淀区中关*** | 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： | 本发明公开了一种网页正文提取方法及装置，其通过对至少两个目标网页的正文抽取信息进行比较，并将所述至少两个目标网页的正文抽取信息中比较结果为相同的节点信息确认为网页杂质，所述至少两个目标网页属于同一类型网页；对所述同一类型网页按照所述网页杂质进行杂质信息过滤得到所述网页的正文信息。由于可确定同一类型目标网页的正文抽取信息中的杂质信息，进而根据所述杂质信息，对该同一类型的目标网页的正文抽取信息进行过滤最终可得到更精确的正文信息。 | ||
| 搜索关键词： | 一种 网页 正文 提取 方法 装置 | ||
【主权项】：
一种网页正文提取方法，其特征在于，包括：对至少两个目标网页的正文抽取信息进行此较，并将所述至少两个目标网页的正文抽取信息中此较结果为相同的节点信息确认为网页杂质，所述至少两个目标网页属于同一类型网页；对所述同一类型网页按照所述网页杂质进行杂质信息过滤得到所述网页的正文信息。
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搜狗科技发展有限公司，未经北京搜狗科技发展有限公司许可，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/201510897907.7/，转载请声明来源钻瓜专利网。
- 上一篇：数据库操作方法及装置
- 下一篇：用于创建主备数据库的方法和设备
