[发明专利]网页元素抽取方法和网页元素抽取系统有效
| 申请号： | 201310432086.0 | 申请日： | 2013-09-22 |
| 公开（公告）号： | CN103488743A | 公开（公告）日： | 2014-01-01 |
| 发明（设计）人： | 王志刚 | 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;薛峰 |
| 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： | 本发明提供了一种网页元素抽取方法和和网页元素抽取系统。该网页元素抽取方法包括：构建网页对应的DOM树结构；使用决策树对DOM树结构中各结点进行分类，根据分类结果构建网页的第一分块序列；将第一分块序列输入条件随机场进行优化计算，得到第二分块序列；在第二分块序列中选取预设类型的序列元素，并抽取序列元素对应的网页元素。利用本发明的技术方案，根据网页的DOM树结构构建网页的分块序列，过滤掉无关块的内容，抽取出需要的网页元素，抽取过程中不需要使用人工规则，解决了人工规则效率低、维护复杂的问题。 | ||
| 搜索关键词： | 网页 元素 抽取 方法 系统 | ||
【主权项】：
一种网页元素抽取方法，包括：构建网页对应的DOM树结构；使用决策树对所述DOM树结构中各结点进行分类，根据分类结果构建所述网页的第一分块序列；将所述第一分块序列输入条件随机场进行优化计算，得到第二分块序列;在所述第二分块序列中选取预设类型的序列元素，并抽取所述序列元素对应的网页元素。
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/201310432086.0/，转载请声明来源钻瓜专利网。
