[发明专利]基于位置标记的网页信息抽取方法和装置有效
| 申请号： | 201310385373.0 | 申请日： | 2013-08-29 |
| 公开（公告）号： | CN103473285B | 公开（公告）日： | 2017-04-12 |
| 发明（设计）人： | 徐锐波;付赟 | 申请（专利权）人： | 北京奇虎科技有限公司;奇智软件（北京）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京智汇东方知识产权代理事务所(普通合伙)11391 | 代理人： | 康正德,郭海彬 |
| 地址： | 100088 北京市西城区新*** | 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： | 本发明公开了一种基于位置标记的网页信息抽取方法和装置。该基于位置标记的网页信息抽取方法，包括以下步骤获取训练页面，训练页面中标注了至少一个属性，被标注属性的内容与网页中需要抽取的文本内容对应；获取训练页面中多个属性的前缀标签，前缀标签包括当前属性与前一属性之间的所有标签，多个属性包括被标注属性；在被标注属性的前缀标签中选取被标注属性的起始标记；在被标注属性之后的标签中选取结束标记；在需要抽取的网页中查询起始标记和结束标记，并抽取起始标记和结束标记之间的属性内容，以得到属性内容中包含的信息。使用本发明的技术方案，可避免出现人工编写抽取规则的效率低错误率高的问题，提高了网页信息提取的效率。 | ||
| 搜索关键词： | 基于 位置 标记 网页 信息 抽取 方法 装置 | ||
【主权项】：
一种基于位置标记的网页信息抽取方法，包括以下步骤：获取训练页面，所述训练页面中标注了至少一个属性，被标注属性的内容与网页中需要抽取的文本内容对应；获取所述训练页面中多个属性的前缀标签，所述前缀标签包括当前属性与前一属性之间的所有标签，所述多个属性包括所述被标注属性；在所述被标注属性的前缀标签中选取所述被标注属性的起始标记，所述起始标记为所述被标注属性的前缀标签中的标签或者标签组合，所述标签或者标签组合满足以下条件：在所述多个属性的前缀标签中，所述标签或者标签组合仅出现在所述被标注属性的前缀标签中；在所述被标注属性之后的标签中选取结束标记；在需要抽取的网页中查询所述起始标记和所述结束标记，并抽取所述起始标记和所述结束标记之间的属性内容，以得到所述属性内容中包含的信息。
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奇虎科技有限公司;奇智软件（北京）有限公司，未经北京奇虎科技有限公司;奇智软件（北京）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/201310385373.0/，转载请声明来源钻瓜专利网。
- 上一篇：跨媒体稀疏哈希索引方法
- 下一篇：产品说明的查询方法、装置、系统及客户端
