[发明专利]基于模糊序列模式发掘的网页内容提取方法有效
| 申请号： | 201610911400.7 | 申请日： | 2016-10-19 |
| 公开（公告）号： | CN106547851B | 公开（公告）日： | 2020-04-07 |
| 发明（设计）人： | 黄瑞章;黄庭;刘博伟;闫盈盈;陈功;王振军;朱坤;钟文良 | 申请（专利权）人： | 贵州大学;贵州耕云科技有限公司 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/958 |
| 代理公司： | 贵阳中新专利商标事务所 52100 | 代理人： | 李亮;程新敏 |
| 地址： | 550025 贵州省贵*** | 国省代码： | 贵州;52 |
| 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模糊序列模式发掘的网页内容提取方法。本发明针对网页内容提取问题，通过相同内容块内容在超文本标记语言中距离较近，不同内容块的内容相距较远的原理，针对网页上的每一个内容模块，分别用一个行文字长度序列的方式来表示，同时越是功能性模块模糊度越低，信息越丰富的内容模块序列模糊度越高。针对不同网站，利用少量给定网页进行训练，得到模糊序列模式，对于来自同一个网站的新页面将利用模糊序列模式来进行匹配，得到不同类型的网页内容。这样的方法能够显著提高内容提取的准确性，同时能够将不同类型的内容分开提取。 | ||
| 搜索关键词： | 基于 模糊 序列 模式 发掘 网页 内容 提取 方法 | ||
【主权项】：
一种基于模糊序列模式发掘的网页内容提取方法，其特征在于：包括如下步骤：1)从给定的训练网页集合中提取模糊序列模式；2)根据发掘出的模糊序列模式确定不同模糊序列模式对应的网页内容。
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贵州大学;贵州耕云科技有限公司，未经贵州大学;贵州耕云科技有限公司许可，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/201610911400.7/，转载请声明来源钻瓜专利网。
- 上一篇：填充墙拉结筋连接施工方法
- 下一篇：杆件起吊方法
