[发明专利]一种基于文本图像融合识别的网页知识抽取方法有效
| 申请号： | 201811449829.4 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109522562B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 孙善宝;谭强;于治楼 | 申请（专利权）人： | 山东浪潮科学研究院有限公司 |
| 主分类号： | G06N5/025 | 分类号： | G06N5/025;G06F40/30;G06F40/284;G06V30/41;G06F16/951;G06F16/2455;G06F16/28;G06F16/25;G06F16/31;G06N3/0442 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 阚恭勇 |
| 地址： | 250000 山东省济*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于文本图像融合识别的网页知识抽取方法，涉及知识抽取、图像识别、文本分析和深度学习技术领域，将网络爬虫在互联网上爬取网页的网站进行分类评估并设定信任度，利用文本分析方法基于语料库实现语义结构化，提取海量网页的价值数据关键字，同时将爬取网页转换成图片，提取结构化业务知识数据，对比分析两种方法提取的知识，不断学习训练出自动抽取模型，同时将确定的业务知识生成该网页的价值数据指纹，并加入到业务知识基础语料库中，持续更新自动抽取模型和基础语料库。保证了爬取数据准确性，提升爬取数据效率。 | ||
| 搜索关键词： | 一种 基于 文本 图像 融合 识别 网页 知识 抽取 方法 | ||
【主权项】：
1.一种基于文本图像融合识别的网页知识抽取方法，其特征在于，将网络爬虫在互联网上爬取网页的网站进行分类评估并设定信任度，利用文本分析方法基于语料库实现语义结构化，提取海量网页的价值数据关键字，同时将爬取网页转换成图片，提取结构化业务知识数据，对比分析两种方法提取的知识，不断学习训练出自动抽取模型，同时将确定的业务知识生成该网页的价值数据指纹，并加入到业务知识基础语料库中，持续更新自动抽取模型和基础语料库。
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山东浪潮科学研究院有限公司，未经山东浪潮科学研究院有限公司许可，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/201811449829.4/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
