[发明专利]一种网页分块提取分块节点的方法在审
| 申请号： | 201710359495.0 | 申请日： | 2017-05-19 |
| 公开（公告）号： | CN108509472A | 公开（公告）日： | 2018-09-07 |
| 发明（设计）人： | 姚国平 | 申请（专利权）人： | 苏州纯青智能科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京华识知识产权代理有限公司 11530 | 代理人： | 陈敏 |
| 地址： | 215400 江苏省苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
一种网页分块提取分块节点的方法，包括以下步骤： |
||
| 搜索关键词： | 分块 网页分块 兄弟节点 标签 网页 父节点信息 最底层节点 布局标签 视觉属性 文本节点 噪音信息 正文信息 父节点 含量比 内容块 有效地 取下 统计 保证 合并 重复 规划 | ||
【主权项】：
1.一种网页分块提取分块节点的方法，其特征在于：包括以下步骤：⑴将网页中以内容块为个体，规划出若干个标签；⑵根据标签数量来选择网页的布局标签，找到对应该标签的最底层节点，放入节点列表中，判断列表中的节点是否处理完，处理完，则分块结束；⑶步骤⑵列表中节点没有处理完，则取下一个Node，合并Node下所有的文本节点，统计Node的信息含量，并提取视觉属性，判断Node是不是根节点，以及父节点是否被考察过，如若：Node是根节点，父节点被考察过，则Node可成为分块节点；⑷步骤⑶中，若Node不是根节点，父节点没被考察过，则统计父节点和兄弟节点的信息含量，且判断Node与其所有兄弟节点信息含量之和与父节点信息含量比是否大于T，若大于T，Node可以成为分块节点；⑸步骤⑷中，若Node与其所有兄弟节点信息含量之和与父节点信息含量比不大于T，则将父节点加入列表中，并删除列表中Node及其所有兄弟节点，然后重复上述步骤。
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苏州纯青智能科技有限公司，未经苏州纯青智能科技有限公司许可，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/201710359495.0/，转载请声明来源钻瓜专利网。
