[发明专利]一种中文新闻网页正文的自动抽取方法及装置有效
| 申请号： | 200710304146.5 | 申请日： | 2007-12-25 |
| 公开（公告）号： | CN101470728A | 公开（公告）日： | 2009-07-01 |
| 发明（设计）人： | 和斌;康凯;吴於茜;杨建武 | 申请（专利权）人： | 北京大学;北大方正集团有限公司;北京方正电子政务技术有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京汇泽知识产权代理有限公司 | 代理人： | 张颖玲 |
| 地址： | 100871*** | 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： | 本发明公开了一种中文新闻网页正文的自动抽取方法，该方法包括：根据网页生成得到页面数据列表，并对得到的页面数据列表进行细化筛选，然后将经过细化筛选得到的纯文本列表中的每项按照针对新闻正文的特征参数赋权值，计算每项纯文本数据的最终权重，并比较最终权重大小得出新闻正文。本发明同时还公开了一种中文新闻网页正文的自动抽取装置，该装置包括：页面数据列表抽取模块、细化筛选模块、赋权值模块及新闻正文抽取模块，整个装置用于完成中文新闻正文抽取功能。利用本发明，既能简化训练过程的复杂度，也能同时提高对中文新闻网页正文抽取的准确性，且实现简单、方便。 | ||
| 搜索关键词： | 一种 中文 新闻 网页 正文 自动 抽取 方法 装置 | ||
【主权项】：
1、一种中文新闻网页正文的自动抽取方法，其特征在于，该方法包括以下步骤：A、根据网页数据生成页面数据列表，并对生成的页面数据列表进行细化筛选，得到纯文本列表；B、将经过细化筛选得到的纯文本列表中的每项纯文本数据按照针对新闻正文的特征参数赋权值；C、根据所赋的权值计算纯文本列表中每项纯文本数据的最终权重，并比较权重大小得出新闻正文。
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大学;北大方正集团有限公司;北京方正电子政务技术有限公司，未经北京大学;北大方正集团有限公司;北京方正电子政务技术有限公司许可，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/200710304146.5/，转载请声明来源钻瓜专利网。
