[发明专利]正文缺失网页的识别方法及装置无效
| 申请号： | 201310053141.5 | 申请日： | 2013-02-18 |
| 公开（公告）号： | CN103116760A | 公开（公告）日： | 2013-05-22 |
| 发明（设计）人： | 吴天舒 | 申请（专利权）人： | 人民搜索网络股份公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F17/30 |
| 代理公司： | 北京康信知识产权代理有限责任公司 11240 | 代理人： | 吴贵明;张永明 |
| 地址： | 100020 北京市朝阳*** | 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： | 本发明提供了一种正文缺失网页的识别方法及装置，该方法包括：计算同一站点下所有网页的模板指纹；根据模板指纹对所有网页进行分类，其中，将具有相同模板指纹的网页划分为同一类；在分类后的各类网页中将每两个网页进行比对，在各个网页中将与该网页对比的网页中相同的内容去除，获取各类网页中各个网页中剩余的内容；根据各个网页中剩余的内容所对应的页面特征识别该网页中正文是否缺失。根据本发明提供的技术方案，保证了相似的页面属于同类，从而在相似页面之间进行对比，保证了多页面对比方法的有效性，能够更准确的识别正文内容。 | ||
| 搜索关键词： | 正文 缺失 网页 识别 方法 装置 | ||
【主权项】：
一种正文缺失网页的识别方法，其特征在于，包括：计算同一站点下所有网页的模板指纹；根据所述模板指纹对所述所有网页进行分类，其中，将具有相同模板指纹的网页划分为同一类；在分类后的各类网页中将每两个网页进行比对，在各个网页中将与该网页对比的网页中相同的内容去除，获取所述各类网页中各个网页中剩余的内容；根据所述各个网页中剩余的内容所对应的页面特征识别该网页中正文是否缺失。
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人民搜索网络股份公司，未经人民搜索网络股份公司许可，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/201310053141.5/，转载请声明来源钻瓜专利网。
- 上一篇：压板机
- 下一篇：一种匀质结构竹木集装箱底板
