[发明专利]一种文档正文识别方法及装置有效

专利信息
申请号: 201710150271.9 申请日: 2017-03-14
公开(公告)号: CN106951401B 公开(公告)日: 2020-03-20
发明(设计)人: 徐佳宏;朱吕亮 申请(专利权)人: 深圳市茁壮网络股份有限公司
主分类号: G06F40/137 分类号: G06F40/137;G06F40/189
代理公司: 深圳市深佳知识产权代理事务所(普通合伙) 44285 代理人: 王仲凯
地址: 518004 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要: 本申请公开一种文档正文识别方法和装置,所述方法包括:确定待识别页中的所有元素;遍历所述待识别页中的所有元素,并尝试一一抛弃;确定实际抛弃元素;将所述实际抛弃元素抛弃;计算剩余元素的平均密度;判断所述剩余元素的平均密度是否大于或等于预设平均密度阈值;若是,则将所述剩余元素作为正文区元素;若否,则返回所述遍历所述待识别页中的所有元素,并尝试一一抛弃的步骤。本发明充分利用正文元素之间的距离间距较小,平均密度较大,而非正文元素与正文元素之间的距离较大,使得正文元素和非正文元素的整体平均密度较小的原理,从而通过抛弃非正文元素,得到正文元素,使得正文元素识别准确度较高。
搜索关键词: 一种 文档 正文 识别 方法 装置
【主权项】:
一种文档正文识别方法,其特征在于,包括:确定待识别页中的所有元素;遍历所述待识别页中的所有元素,并尝试一一抛弃;确定实际抛弃元素;将所述实际抛弃元素抛弃;计算剩余元素的平均密度;判断所述剩余元素的平均密度是否大于或等于预设平均密度阈值;若是,则将所述剩余元素作为正文区元素;若否,则返回所述遍历所述待识别页中的所有元素,并尝试一一抛弃的步骤。
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深圳市茁壮网络股份有限公司,未经深圳市茁壮网络股份有限公司许可,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/201710150271.9/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top