[发明专利]一种文档正文识别方法及装置有效
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。
- 上一篇:一种用于生产高强灌浆料的卧式混合机
- 下一篇:具有卸料功能的混料装置