[发明专利]用于提取网页信息的方法和装置在审
| 申请号： | 201810124175.1 | 申请日： | 2018-02-07 |
| 公开（公告）号： | CN110209906A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 许斌;郭培伦 | 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： | G06F16/951 | 分类号： | G06F16/951;G06F16/955;G06K9/62 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人： | 王达佐;马晓亚 |
| 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： | 本申请实施例公开了用于提取网页信息的方法和装置。该方法的一具体实施方式包括：解析目标网页的源代码，得到目标网页的网页结构信息；基于网页结构信息，获取目标网页的各个链接标签的标签信息，生成标签信息集合；利用聚类算法对标签信息集合中的至少两个标签信息进行聚类，确定聚类结果中是否存在内容页链接簇和分页链接簇；响应于确定聚类结果中存在内容页链接簇和分页链接簇，根据包含内容页链接和分页链接的链接标签的标签信息，提取目标网页的内容页链接。该实施方式实现了目标网页的网页信息的提取。 | ||
| 搜索关键词： | 链接 标签信息 目标网页 内容页 网页信息 分页 网页结构信息 方法和装置 聚类结果 链接标签 集合 源代码 获取目标 聚类算法 聚类 解析 网页 响应 申请 | ||
【主权项】：
1.一种用于提取网页信息的方法，包括：解析目标网页的源代码，得到所述目标网页的网页结构信息；基于所述网页结构信息，获取所述目标网页的各个链接标签的标签信息，生成标签信息集合；利用聚类算法对所述标签信息集合中的至少两个标签信息进行聚类，确定聚类结果中是否存在内容页链接簇和分页链接簇；响应于确定聚类结果中存在内容页链接簇和分页链接簇，根据包含内容页链接和分页链接的链接标签的标签信息，提取所述目标网页的内容页链接。
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/201810124175.1/，转载请声明来源钻瓜专利网。
