[发明专利]一种小说目录项的识别方法、装置和系统

说明书

本发明实施例公开了一种小说目录项的识别方法、装置和系统。本发明实施例通过确定万维网网页中是否存在小说目录项特征，来从万维网网页中初步识别出小说目录页，而对于不存在小说目录项特征的万维网网页，则进一步通过视觉分块以及建立第一DOM树，并利用第一DOM树获取疑似目录块的特征，然后根据疑似目录块的特征来确定是否是小说目录页，从而实现了对小说目录项的识别，从而便于后续在移动终端上进行显示，以提高显示效果，改善用户的浏览质量。

技术领域

本发明涉及通信技术领域，具体涉及一种小说目录项的识别方法、装置和系统。

背景技术

随着移动互联网技术以及移动终端的发展，人们越来越倾向于通过移动终端来阅读互联网上的信息，其中，包括阅读互联网上各种各样的小说作品，但是，目前互联网上的小说作品有很大一部分都是以万维网（www，world wide web）网页的形式存在，所谓万维网网页，一般指的是在基于个人计算机（PC，Personal Computer）的网页，其区别于无线应用协议（WAP，Wireless Application Protocol）网页，WAP网页，一般指的是基于移动终端的网页。

在对现有技术的研究和实践过程中，本发明的发明人发现，由于万维网网页上的小说的结构和内容都比较复杂，在移动终端上显示存在局限性，所以往往显示效果不佳，甚至会影响用户浏览质量。

发明内容

本发明实施例提供一种小说目录项的识别方法、装置和系统，可以对小说目录项进行识别，从而便于后续在移动终端上进行显示，以提高显示效果，改善用户的浏览质量。

一种小说目录项的识别方法，包括：

确定万维网网页是否存在小说目录项特征；

若是，则确定所述万维网网页为小说目录页；

若否，则对所述万维网网页进行视觉分块，得到分块后网页，根据分块后网页建立第一文档对象模型（DOM，Document Object Model）树，根据所述第一DOM树获取疑似目录块的特征，根据所述疑似目录块的特征确定存在小说目录页时，确定所述分块后网页为小说目录页。

可选的，其中，所述确定万维网网页是否存在小说目录项特征可以包括：

根据万维网网页的链接、标题和全文具有正文特征的文本链接确定是否存在小说目录项特征；例如，具体可以如下：

根据万维网网页的链接确定所述万维网网页是否为首页或二级首页；

若是，则确定不存在小说目录项特征；

若否，则根据所述万维网网页建立第二DOM树，利用所述第二DOM树获取所述万维网网页的标题和全文具有正文特征的文本链接，确定所述标题存在预置的小说标题特性关键词，且确定所述全文具有正文特征的文本链接中存在预置的小说正文特性关键词的文本链接的数量大于等于预置的第一阈值，且确定全文中相似文本链接占全文所有文本链接的比例大于等于预置的第二阈值时，确定存在小说目录项特征，否则，确定不存在小说目录项特征。

一种小说目录项的识别装置，包括：

第一确定单元，用于确定万维网网页是否存在小说目录项特征，若是，则确定所述万维网网页为小说目录页；

分块单元，用于在第一确定单元确定万维网网页不存在小说目录项特征时，对所述万维网网页进行视觉分块，得到分块后网页；

模型建立单元，用于根据分块后网页建立第一DOM树；

获取单元，用于根据所述第一DOM树获取疑似目录块的特征；

第二确定单元，用于根据所述疑似目录块的特征确定存在小说目录页时，确定所述分块后网页为小说目录页。