[发明专利]用于生成结构化信息的方法和装置

摘要

本申请实施例公开了用于生成结构化信息的方法和装置。方法的一具体实施方式包括：抓取预定领域的企业网站的所有页面内容；根据页面内容的特征，将页面内容分类至预先构建的企业信息的类别以及其它类别，得到分类页面；将分类页面分为内容页面和表单页面，并将内容页面和表单页面作为标签，标记分类页面；对标记后的分类页面进行以下至少一项抽取，得到抽取的信息：正文块抽取、正文内容结构化抽取、图文块抽取、列表块抽取和预定位置内容结构化；根据抽取的信息，构建结构化信息。该实施方式保证了信息来源的多样性，使得生成的结构化信息所呈现的内容特征丰富且减少了冗余信息。

主权项

一种用于生成结构化信息的方法，其特征在于，所述方法包括：抓取预定领域的企业网站的所有页面内容；根据所述页面内容的特征，将所述页面内容分类至预先构建的企业信息的类别以及其它类别，得到分类页面；将所述分类页面分为内容页面和表单页面，并将内容页面和表单页面作为标签，标记所述分类页面；对标记后的分类页面进行以下至少一项抽取，得到抽取的信息：正文块抽取、正文内容结构化抽取、图文块抽取、列表块抽取和预定位置内容结构化；根据抽取的信息，构建结构化信息。