[发明专利]面向新闻网页的正文抽取方法及系统、信息数据处理终端在审
| 申请号： | 201810501222.X | 申请日： | 2018-05-23 |
| 公开（公告）号： | CN108959372A | 公开（公告）日： | 2018-12-07 |
| 发明（设计）人： | 詹咏松;程国艮 | 申请（专利权）人： | 中译语通科技股份有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 北京万贝专利代理事务所(特殊普通合伙) 11520 | 代理人： | 马红 |
| 地址： | 100040 北京市石*** | 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： | 本发明属于计算机软件技术领域，公开了一种面向新闻网页的正文抽取方法及系统、信息数据处理终端，对新闻正文抽取首先基于每个新闻都有对应的时间，对时间进行定位，确定正文位置，进行切块。对所定位的正文进行判断，去除噪音信息，得到准确的正文信息。本发明基于对新闻网页结构特点的分析，依据新闻的时间信息准确定位新闻正文信息在整个网页中的大概位置，依据特殊标签或文本聚集密度确切定位文本位置，能够准确快速获取新闻的正文信息，不含噪音信息。相对于过去的新闻正文抽取的计算方法，在本发明中利用线性计算的方法来提取新闻正文，计算简单而且能够快速提取正文，有效节约现有很多的服务器资源。 | ||
| 搜索关键词： | 正文抽取 新闻网页 正文信息 信息数据处理 噪音信息 终端 计算机软件技术 服务器资源 大概位置 定位文本 快速获取 快速提取 时间信息 线性计算 准确定位 过去的 切块 去除 标签 网页 文本 节约 分析 | ||
【主权项】：
1.一种面向新闻网页的正文抽取方法，其特征在于，所述面向新闻网页的正文抽取方法基于每个新闻都有对应的时间，对时间进行定位，确定正文位置，进行切块；对所定位的正文进行判断，去除噪音信息，得到准确的正文信息。
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中译语通科技股份有限公司，未经中译语通科技股份有限公司许可，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/201810501222.X/，转载请声明来源钻瓜专利网。
- 上一篇：基于图像分析实现工作流的服务
- 下一篇：足迹点生成方法及装置
