[发明专利]一种对网页进行版式分类的方法和装置有效
| 申请号： | 201210127531.8 | 申请日： | 2012-04-27 |
| 公开（公告）号： | CN103377243B | 公开（公告）日： | 2017-09-08 |
| 发明（设计）人： | 蔡兵;黄钰;徐羽;张凯 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京德琦知识产权代理有限公司11018 | 代理人： | 谢安昆,宋志强 |
| 地址： | 518044 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种对网页进行版式分类的方法和装置当需要对任一Web网页进行分类时，进行以下处理获取所述Web网页中能够体现页面版式特征的信息；根据获取到的信息确定所述Web网页分别属于预先设定的N个不同版式类别的概率，N为大于1的正整数；将取值最大的概率对应的版式类别作为所述Web网页所属的版式类别。应用本发明所述方案，能够提高分类结果的准确性。 | ||
| 搜索关键词： | 一种 网页 进行 版式 分类 方法 装置 | ||
【主权项】：
一种对网页进行版式分类的方法，其特征在于，当需要对任一Web网页进行分类时，进行以下处理：获取所述Web网页中能够体现页面版式特征的信息；根据获取到的信息确定所述Web网页分别属于预先设定的N个不同版式类别的概率，N为大于1的正整数；将取值最大的概率对应的版式类别作为所述Web网页所属的版式类别；所述获取所述Web网页中能够体现页面版式特征的信息包括：建立所述Web网页的文本对象模型DOM树；根据所述DOM树提取出所述Web网页中的内容源信息以及结构特征信息；所述根据获取到的信息确定所述Web网页分别属于预先设定的N个不同版式类别的概率包括：根据所述内容源信息生成文本向量；根据所述文本向量，利用预先生成的逻辑回归模型，分别计算出所述Web网页对应于每个版式类别的倾向度；根据所述结构特征信息以及所述倾向度，利用预先生成的朴素贝叶斯模型，分别计算出所述Web网页属于每个版式类别的概率。
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腾讯科技（深圳）有限公司，未经腾讯科技（深圳）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/201210127531.8/，转载请声明来源钻瓜专利网。
