[发明专利]一种网页正文提取方法及装置有效
| 申请号： | 201510066697.7 | 申请日： | 2015-02-09 |
| 公开（公告）号： | CN104615728B | 公开（公告）日： | 2018-02-23 |
| 发明（设计）人： | 李克学;范莹;戴鸿君;王传国;刘永 | 申请（专利权）人： | 浪潮集团有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 济南信达专利事务所有限公司37100 | 代理人： | 李世喆 |
| 地址： | 250100 山东*** | 国省代码： | 山东;37 |
| 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正文提取方法及装置，该方法包括提取待提取网页的所有语义块；将所述待提取网页均匀分割成多个区域块；对所有区域块进行预设个数次随机抽样；确定被抽中的区域块所在的语义块；计算出每个语义块的抽样分布概率；确定抽样分布概率大于等于预设概率的语义块为网页正文所在的语义块。本发明提供了一种网页正文提取方法及装置，能够提高提取网页正文的速度。 | ||
| 搜索关键词： | 一种 网页 正文 提取 方法 装置 | ||
【主权项】：
一种网页正文提取方法，其特征在于，包括：提取待提取网页的所有语义块；将所述待提取网页均匀分割成多个区域块；对所有区域块进行预设个数次随机抽样；确定被抽中的区域块所在的语义块；计算出每个语义块的抽样分布概率；确定抽样分布概率大于等于预设概率的语义块为网页正文所在的语义块。
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浪潮集团有限公司，未经浪潮集团有限公司许可，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/201510066697.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种多标签分类方法及装置
- 下一篇：信息点的确定方法及装置
