[发明专利]一种基于多模态机器学习的新闻网页正文抽取系统及方法在审
| 申请号： | 202110753762.9 | 申请日： | 2021-07-02 |
| 公开（公告）号： | CN113569119A | 公开（公告）日： | 2021-10-29 |
| 发明（设计）人： | 王磊;李欣杰 | 申请（专利权）人： | 中译语通科技股份有限公司 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F16/958;G06F16/35 |
| 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： | 100131 北京市石景山区*** | 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： | 本发明属于新闻网页处理技术领域，公开了一种基于多模态机器学习的新闻网页正文抽取系统及方法，基于多模态机器学习的新闻网页正文抽取方法包括：进行不同类型特征的提取；多模态融合，进行特征的联合表示；进行网页正文分类模型训练。本发明使用多模态机器学习技术，融合网页的视觉特征、内容特征、标签分布特征等，通过特征之间的互补，消除歧义和不确定性，进行新闻类正文抽取，得到更加准确的网页正文判断结果，除了提高文本抽取准确率外，还可以准确抽取图片、视频、pdf文档，并能够大幅降低人工编辑模板的成本，通过对国际主流的1000个新闻网站进行正文抽取测试，对比目前方法，正文抽取准确率提高5％‑10％。 | ||
| 搜索关键词： | 一种 基于 多模态 机器 学习 新闻 网页 正文 抽取 系统 方法 | ||
【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/202110753762.9/，转载请声明来源钻瓜专利网。
