[发明专利]用于生成多个页面所对应的页面结构模板的方法和设备

摘要

本发明的目的是提供一种用于生成多个页面所对应的页面结构模板的生成设备。具体地，获取多个训练页面；根据所述训练页面的页面结构特征，对所述多个训练页面进行聚类处理，以获得相应的页面簇；根据所述页面簇中所包括的所述训练页面，确定所述页面簇所对应的页面公共树；识别所述页面公共树中节点的节点属性信息，以获得与所述页面簇相对应的页面结构模板。与现有技术相比，本发明通过根据训练页面的页面结构特征，对多个训练页面进行聚类，获得相应的页面簇，确定页面簇所对应的页面公共树，进而通过识别页面公共树中节点的节点属性信息来生成相应页面结构模板，提高了提取页面信息的效率和页面结构模板的稳定性，进一步提升了用户的浏览体验。

主权项

1.一种用于生成多个页面所对应的页面结构模板的方法，其中，该方法包括以下步骤：a获取多个训练页面；b根据所述训练页面的页面结构特征，对所述多个训练页面进行聚类处理，以获得与所述多个训练页面相对应的一个或多个页面簇，其中，所述页面簇至少包括一个所述训练页面；c根据所述页面簇中所包括的所述训练页面，确定所述页面簇所对应的页面公共树，其中，所述页面公共树包含于所述页面簇中的每一个训练页面；d识别所述页面公共树中节点的节点属性信息，以获得与所述页面簇相对应的页面结构模板。