[发明专利]黄页信息获取方法、装置及电子设备

说明书

本申请实施例提供了一种黄页信息获取方法、装置及电子设备。该方法包括：通过搜索引擎对待查询电话号码进行查询，得到包含待查询电话号码的多个网页；通过预训练的识别模型，从多个网页中提取待选黄页信息；针对任一待选黄页信息，根据与其对应的至少一个网页所在来源网站的置信度权重进行加权计算，得到加权结果；确定加权结果最大的待选黄页信息作为待查询电话号码的黄页信息。本申请实施例实现了从大量杂乱的搜索数据中确定准确度和可信度较高的黄页信息的目的，使得用户通过搜索引擎的一步快捷查询即可获取到与其查询电话号码相匹配的精确度及可信度均较高的黄页信息，从而提高了用户的查询体验。

技术领域

本申请涉及互联网技术领域，具体而言，本申请涉及一种黄页信息获取方法、装置及电子设备。

背景技术

随着互联网技术的发展，各种各样的信息都可以在网络中获取到。在人们想获取一个电话号码的黄页信息时，也可以通过网络进行搜索来获取。

相关技术中，一般通过搜索引擎对电话号码的黄页信息进行搜索，搜索引擎会返回一系列的与所搜索的电话号码相关的网页，然后再由用户从大量数据中查看和选择自己所需的黄页信息。

然而，本申请发明人发现，这些黄页信息一般数量巨大而且杂乱无章，并且其准确性也无法保证，使得用户在进行选择时比较困难。

发明内容

本申请提供了一种黄页信息获取方法、装置及电子设备，用于从大量杂乱的搜索数据中获取较为准确的黄页信息。

本申请的实施例根据第一方面，提供了一种黄页信息获取方法，该方法包括：

通过搜索引擎对待查询电话号码进行查询，得到包含待查询电话号码的多个网页；

通过预训练的识别模型，从多个网页中提取待选黄页信息；

针对任一待选黄页信息，根据与其对应的至少一个网页所在来源网站的置信度权重进行加权计算，得到加权结果；

确定加权结果最大的待选黄页信息作为待查询电话号码的黄页信息。

在一种可能的实现方式中，预训练的识别模型包括以下任一项：

预训练的命名实体识别模型；

依据标注数据训练得到的正则表达式集合。

在一种可能的实现方式中，在针对任一待选黄页信息，根据与其对应的至少一个网页所在来源网站的置信度权重进行加权计算之前，还包括：

确定各个来源网站的置信度权重。

在一种可能的实现方式中，确定各个来源网站的置信度权重，包括：

通过搜索引擎对已知黄页信息的多个样本电话号码进行搜索，得到包括各个样本电话号码的多个待判断网页；

通过预训练的命名实体识别模型，从各个待判断网页中分别提取待判断黄页信息；

将任一待判断黄页信息与相应的已知黄页信息进行相似度计算；

根据计算确定的相似度，确定任一待判断黄页信息对应的待判断网页所在来源网站的置信度权重。

在一种可能的实现方式中，将任一待判断黄页信息与相应的已知黄页信息进行相似度计算，包括：

对待判断黄页信息与相应的已知黄页信息分别进行分词处理，获取待判断黄页信息的特征信息与已知黄页信息的特征信息；

对待判断黄页信息的特征信息与已知黄页信息的特征信息进行相似度计算。

在一种可能的实现方式中，特征信息包括：

个人或企业名称、电话、地址。