[发明专利]文章内容抽取方法、装置、设备及存储介质有效
| 申请号： | 202210072667.7 | 申请日： | 2022-01-21 |
| 公开（公告）号： | CN114528811B | 公开（公告）日： | 2022-09-02 |
| 发明（设计）人： | 田振;李赟辉 | 申请（专利权）人： | 北京麦克斯泰科技有限公司 |
| 主分类号： | G06F40/14 | 分类号： | G06F40/14;G06F16/33;G06F16/35 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 朱芳 |
| 地址： | 100081 北京市海淀区中*** | 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： | 本申请公开了一种文章内容抽取方法、装置、设备及存储介质。该方法包括首先获取目标网页的源码，对目标网页的源码进行DOM树构建；对构建的DOM树进行信息重构后遍历DOM树，对DOM树中各个节点中的标签进行特征提取得到预选标签集合，其中，标签中包括该标签对应的位置信息；对预选标签集合根据预设的噪音文本集合进行初步去噪得到候选标签集合；对候选标签集合进行多维度特征采集得到各个维度的分值，进行归一化处理，并根据预设的各个维度权重得到标签得分集合，选择最优得分标签所对应的位置信息得到网页内容。可以看出，本申请中通过从不同维度特征进行判定，最终计算出目标文章内容在网页中的位置，可以有效的进行数据抽取。 | ||
| 搜索关键词： | 文章内容 抽取 方法 装置 设备 存储 介质 | ||
【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北京麦克斯泰科技有限公司，未经北京麦克斯泰科技有限公司许可，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/202210072667.7/，转载请声明来源钻瓜专利网。
