[发明专利]提取网页正文的方法和装置有效
| 申请号： | 201711306108.3 | 申请日： | 2017-12-11 |
| 公开（公告）号： | CN110020312B | 公开（公告）日： | 2022-09-06 |
| 发明（设计）人： | 贾宝玉;李杰;周旭 | 申请（专利权）人： | 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司 |
| 主分类号： | G06F16/957 | 分类号： | G06F16/957;G06F16/9535 |
| 代理公司： | 中原信达知识产权代理有限责任公司 11219 | 代理人： | 张一军;杨晓伟 |
| 地址： | 100195 北京市海淀区杏石口路6*** | 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： | 本发明公开了一种提取网页正文的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据待提取网页构建访问模型；计算主体部分的各单位区域与特征部分的相似值；根据相似值和各单位区域的第一指标值，从访问模型中筛选单位正文区域；根据单位正文区域确定待提取网页的正文的开头和结尾，以得到待提取网页的完整正文。该实施方式能够准确完整的提取出网页正文，降低了人工成本，提高了提取网页正文的效率。 | ||
| 搜索关键词： | 提取 网页 正文 方法 装置 | ||
【主权项】：
1.一种提取网页正文的方法，其特征在于，包括：根据待提取网页构建访问模型，所述访问模型包括：特征部分和主体部分；计算所述主体部分的各单位区域与所述特征部分的相似值；根据所述相似值和各单位区域的第一指标值，从所述访问模型中筛选单位正文区域；根据所述单位正文区域确定所述待提取网页的正文的开头和结尾，以得到所述待提取网页的完整正文。
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京京东尚科信息技术有限公司;北京京东世纪贸易有限公司，未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可，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/201711306108.3/，转载请声明来源钻瓜专利网。
