[发明专利]页面正文提取方法和装置有效
| 申请号： | 201810554392.4 | 申请日： | 2018-06-01 |
| 公开（公告）号： | CN108874934B | 公开（公告）日： | 2021-11-30 |
| 发明（设计）人： | 熊凡 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06F16/955 | 分类号： | G06F16/955;G06F16/957 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 宋合成 |
| 地址： | 100085 北京市*** | 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： | 本申请提出一种页面正文提取方法和装置，其中，方法包括：根据待处理页面的超文本标记语言代码，确定待处理页面对应的节点树，其中，节点树中的各节点分别为待处理页面中的各页面标签；根据预设的页面标签与权重值映射关系表，确定节点树中各节点对应的初始权重值；根据节点树中各节点间的关系及各节点对应的初始权重值，由末端子节点至根节点，依次更新各父节点的权重值；根据节点树中各节点更新后的权重值，确定待处理页面中的正文节点；根据正文节点，获取页面中的正文。该方法能够提升提取的页面正文的准确性，提升该页面提取方法的适用性，以及提升页面正文的提取效率。 | ||
| 搜索关键词： | 页面 正文 提取 方法 装置 | ||
【主权项】：
1.一种页面正文提取方法，其特征在于，包括：根据待处理页面的超文本标记语言代码，确定所述待处理页面对应的节点树，其中，所述节点树中的各节点分别为所述待处理页面中的各页面标签；根据预设的页面标签与权重值映射关系表，确定所述节点树中各节点对应的初始权重值；根据所述节点树中各节点间的关系及各节点对应的初始权重值，由末端子节点至根节点，依次更新各父节点的权重值；根据所述节点树中各节点更新后的权重值，确定所述待处理页面中的正文节点；根据所述正文节点，获取所述页面中的正文。
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百度在线网络技术（北京）有限公司，未经百度在线网络技术（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/201810554392.4/，转载请声明来源钻瓜专利网。
