[发明专利]基于HTML的信息智能提取技术的方法

摘要

本发明属信息处理技术领域，特别涉及一种基于HTML的信息智能提取技术的方法，本方法根据实体种子集中的多个实体种子，从目标语料中提取多个实体候选和多个属性候选，建立实体与属性的关联关系，分别从所述多个实体中确定出至少一个目标实体；最后，将提取的目标实体存储在目标实体集中，将提取的目标属性存储在与目标实体关联的目标属性集中，将相邻的语义关联的行合并为段落，与相邻行不存在语义关联的行独立成为段落，得到结构化文本；建立包含关键词的关键信息表单；通过特征获取关键信息，并该关键信息写入所述关键信息表单中，完成关键信息提取。通过本方法得到结构化文本，使得信息可分析和统计，极大的为研究工作提供了全数据的分析环境。