[发明专利]一种提取新闻网页正文的方法及装置在审
| 申请号： | 201711045477.1 | 申请日： | 2017-10-31 |
| 公开（公告）号： | CN110020296A | 公开（公告）日： | 2019-07-16 |
| 发明（设计）人： | 马庆丽 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06F16/957 | 分类号： | G06F16/957;G06F16/958 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 赵晓荣;王宝筠 |
| 地址： | 100086 北京市海淀区*** | 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： | 本发明一种提取新闻网页正文的方法及装置，所述方法包括：确定待提取网页的二级域名；获得所述二级域名的网页模板，同一个二级域名的各个网页对应同一个网页模板；由所述二级域名的网页模板对应的正文分布规则提取所述待提取网页的正文，所述网页模板对应的正文分布规则是通过具有该网页模板的网页训练获得的，所述正文分布规则用于确定该网页模板对应的正文起始位置。由于同一个二级域名的各个网页对应同一个网页模板，因此，对于具有同一个二级域名的各个新闻网页，无论是常规网页还是非常规网页，均可以利用该二级域名的网页模板对应的正文分布规则提取正文。 | ||
| 搜索关键词： | 网页模板 网页 分布规则 新闻网页 | ||
【主权项】：
1.一种提取新闻网页正文的方法，其特征在于，包括：确定待提取网页的二级域名；获得所述二级域名的网页模板，同一个二级域名的各个网页对应同一个网页模板；由所述二级域名的网页模板对应的正文分布规则提取所述待提取网页的正文，所述网页模板对应的正文分布规则是通过具有该网页模板的网页训练获得的，所述正文分布规则用于确定该网页模板对应的正文起始位置。
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国双科技有限公司，未经北京国双科技有限公司许可，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/201711045477.1/，转载请声明来源钻瓜专利网。
