[发明专利]一种基于HTML源代码和网页快照的Web信息抽取方法与系统有效
| 申请号： | 202110322096.3 | 申请日： | 2021-03-25 |
| 公开（公告）号： | CN113312568B | 公开（公告）日： | 2022-06-17 |
| 发明（设计）人： | 蔡振华;吴俊;江文涛;张翔;陈延艺 | 申请（专利权）人： | 罗普特科技集团股份有限公司;罗普特（厦门）系统集成有限公司 |
| 主分类号： | G06F16/957 | 分类号： | G06F16/957;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 厦门福贝知识产权代理事务所(普通合伙) 35235 | 代理人： | 陈远洋 |
| 地址： | 361000 福建省厦门市*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明给出了一种基于HTML源代码和网页快照的Web信息抽取方法与系统，包括通过收集网页快照训练数据，在网页快照训练数据中标注表征网页快照训练数据的类别的标签，得到标注后的网页快照训练数据；将标注后的网页快照训练数据输入混合CNN和BERT的神经网络架构进行模型训练，获取用于抽取网页信息的神经网络模型；最后基于神经网络模型对网络上的标签未知的网页快照数据进行抽取输出标签未知的网页快照数据对应的标签。通过搜集足够数量的网页极其快照，选择具有多样性布局和内容的网页，提高了后续生成的模型的泛化能力，并且将网页快照部分和HTML源代码部分分别输入CNN和BERT，充分利用了文本和网页快照的信息，提升了Web信息抽取的精度。 | ||
| 搜索关键词： | 一种 基于 html 源代码 网页快照 web 信息 抽取 方法 系统 | ||
【主权项】：
暂无信息
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罗普特科技集团股份有限公司;罗普特（厦门）系统集成有限公司，未经罗普特科技集团股份有限公司;罗普特（厦门）系统集成有限公司许可，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/202110322096.3/，转载请声明来源钻瓜专利网。
