“正文提取”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果642957个，建议您升级VIP下载更多相关专利

[发明专利]网页正文提取方法、装置、电子设备及存储介质-CN202110440451.7在审
发明人：董润华 -专利权人：深圳壹账通智能科技有限公司
申请日： 2021-04-23 - 公布日： 2021-07-02 - 主分类号： G06F16/957 文献下载
摘要：本发明涉及数据处理技术领域，揭露了一种网页正文提取方法，包括：查询网页源代码中的标题标签，从标题标签中提取标题内容，从网页源代码中筛选正文标签；从正文标签中提取网页正文，得到初始网页正文，对初始网页正文进行数组划分、文本块划分及文本长度计算后查询初始网页正文的正文开头及正文末端，根据正文开头及正文末端，生成第一目标网页正文；查询正文标签中满足预设条件的正文子标签，从正文子标签中提取网页正文，得到第二目标网页正文；根据第一目标网页正文、第二目标网页正文及标题内容进行汇总，生成网页正文内容。此外，本发明还涉及区块链技术，所述网页正文内容可存储于区块链中。本发明可以提高网页正文提取的效率。
网页正文提取方法装置电子设备存储介质

[发明专利]网页正文的提取方法、装置、服务器和存储介质-CN201911329406.3在审
发明人：方志杰;房海灏;熊兴文 -专利权人：深圳市朱墨科技有限公司
申请日： 2019-12-20 - 公布日： 2020-04-24 - 主分类号： G06F16/9535 文献下载
摘要：本发明实施例提供了一种网页正文的提取方法、装置、服务器和存储介质。该网页正文的提取方法包括：接收用户输入的查询关键字；基于搜索引擎对所述查询关键字进行查询，得到所述查询关键字对应的查询结果，所述查询结果包括摘要信息和详情页信息；基于多个提取引擎对所述详情页信息进行提取，得到多个正文文本，每个正文文本对应一个提取引擎；基于所述摘要信息和所述多个正文文本的匹配关系，在所述多个正文文本中确定目标正文文本。通过使用多个提取引擎提取正文文本，再确定目标正文文本，达到获取高质量的正文信息，提高正文信息内容的准确性的效果。
网页正文提取方法装置服务器存储介质

[发明专利]一种提取网页正文的方法-CN201410629258.8有效
发明人：江潮;贺建华;蒋汉华 -专利权人：武汉传神信息技术有限公司
申请日： 2014-11-10 - 公布日： 2018-01-19 - 主分类号： G06F17/30 文献下载
摘要：一种提取网页正文的方法，包括根据待提取的网页的域名，判断预置的站点知识库中是否存储有对应于该域名的用于提取正文的提取信息；若有，则根据所述提取信息对所述网页的正文进行提取；若所述站点知识库中没有对应于该域名的提取信息，或，根据该提取信息对所述网页的正文提取失败，则确定所述网页的正文节点，并通过提取所述正文节点中的文本获取所述网页的正文。彻底解放人工处理，减少了人工操作和干预成本；提高了程序提取网页正文的效率；实现了针对多种语言类的网站的自动提取，并且提取难度也会大大降低。
一种提取网页正文方法

[发明专利]一种基于正文节点特征的提取网页正文的方法和系统-CN201910947241.X在审
发明人：杨永全;翟世平;魏志强 -专利权人：中国海洋大学;青岛海洋科学与技术国家实验室发展中心
申请日： 2019-09-30 - 公布日： 2020-02-28 - 主分类号： G06F16/951 文献下载
摘要：本发明公开了一种基于正文节点特征的提取网页正文的方法和系统，属于互联网技术领域。本发明方法包括：获取待提取网页的HTML源代码；对HTML源代码进行过滤并提取出HTML源代码HTML DOM树中元素关键节点，针对元素关键节点构建列表；获取每个元素关键节点的节点值为正文节点属性值的概率并进行排序；按正文节点属性值的概率的顺序对元素关键节点进行正文元素提取，确定待判断网页正文为网页正文。本发明在网页正文提取过程中，考虑到HTML网页DOM树元素的属性节点对标记正文节点的重要作用，将网页节点关键属性值id和class与正文节点属性值特征对比，准确找出正文节点值，结合HTML解析器技术准确抽取正文
一种基于正文节点特征提取网页方法系统

[发明专利]提取网页正文的方法和装置-CN201711306108.3有效
发明人：贾宝玉;李杰;周旭 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2017-12-11 - 公布日： 2022-09-06 - 主分类号： G06F16/957 文献下载
摘要：本发明公开了一种提取网页正文的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据待提取网页构建访问模型；计算主体部分的各单位区域与特征部分的相似值；根据相似值和各单位区域的第一指标值，从访问模型中筛选单位正文区域；根据单位正文区域确定待提取网页的正文的开头和结尾，以得到待提取网页的完整正文。该实施方式能够准确完整的提取出网页正文，降低了人工成本，提高了提取网页正文的效率。
提取网页正文方法装置

[发明专利]网页正文的提取方法及装置-CN201811132478.4在审
发明人：曹志明 -专利权人：北京国双科技有限公司
申请日： 2018-09-27 - 公布日： 2020-04-07 - 主分类号： G06F16/957 文献下载
摘要：本申请公开了一种网页正文的提取方法及装置。该方法包括：提取目标网页的HTML的主体元素，其中，主体元素包括多个div子元素；遍历主体元素中的div子元素，确定为非正文元素的div子元素；删除主体元素中的非正文元素的div子元素，以提取出网页正文通过本申请，解决了相关技术中对正文文本少或者评论数据多的网页容易正文提取不准确的问题。
网页正文提取方法装置

[发明专利]基于网页正文提取方法、装置、设备及存储介质-CN202210989853.7在审
发明人：刘涛;王燕蒙;王少军;李剑锋 -专利权人：平安科技（深圳）有限公司
申请日： 2022-08-18 - 公布日： 2022-11-15 - 主分类号： G06F16/953 文献下载
摘要：本发明涉及智能决策领域，揭露一种基于网页正文提取方法，包括：将待提取网页进行特征提取，得到网页数据特征集，并将网页数据特征集进行编码，得到网页数据向量集；对网页数据向量集进行召回处理，得到索引网页数据集，并通过分析索引网页数据集所属的分类标签，确定待提取网页对应的网页类型；判断网页类型是否为文字型网页；当网页类型不为文字型网页，则根据正则规则提取网页正文；当网页类型为文字型网页，则利用网页正文提取模型提取网页正文本发明还涉及一种区块链技术，网页正文可存储在区块链节点中。本发明还提出一种基于网页正文提取装置、设备以及介质。本发明可以提高网页正文提取的效率及准确率。
基于网页正文提取方法装置设备存储介质

[发明专利]网页处理方法及装置-CN201710212470.8在审
发明人：韦仕伟;石玉明 -专利权人：优信互联（北京）信息技术有限公司
申请日： 2017-04-01 - 公布日： 2018-10-16 - 主分类号： G06F17/30 文献下载
摘要：本发明实施例将提取文章的任务分为两步，第一步需要识别识别目标网页是否为正文网页；如果目标网页为正文网页，第二步再利用预设提取规则提取目标网页中的文章，预设提取规则用于从正文网页中提取文章。如果目标网页为非正文网页，则就无须执行提取文章的流程。可见，本发明实施例中的预设提取规则无需兼顾非正文网页，只需兼顾正文网页即可，从而降低了事先在训练预设提取规则的训练难度。且降低后续优化预设提取规则的复杂度，以及提高后续优化预设提取规则的优化效率。
提取规则预设网页目标网页网页处理优化复杂度再利用

[发明专利]基于机器学习的网页采集页面的正文页采集方法-CN202211314510.7有效
发明人：邹吉明;林凡林;刘雨钦;梁延肇;胡博 -专利权人：墨责（北京）科技传播有限公司
申请日： 2022-10-26 - 公布日： 2023-01-06 - 主分类号： G06F16/951 文献下载
摘要：本发明涉及一种基于机器学习的网页采集页面的正文页采集方法，包括：建立训练集，对训练集中所包括正文页数据，进行预处理和页面特征数据提取；基于提取的页面特征数据通过机器学习的方法训练分类器得到训练后的正文页判别模型；对通过爬虫采集到的页面数据，进行预处理和页面特征数据提取得到页面特征数据；将页面特征数据输入训练后的正文页判别模型进行正文页检测；对检测为正文页的页面，提取出页面内的正文数据存储到采集库中；对检测为列表页的页面，提取其中的链接地址并加入到爬虫的采集队列中，用于关联正文页的采集。
基于机器学习网页采集页面正文方法

[发明专利]关键词提取方法、装置、终端设备及存储介质-CN201911047440.1有效
发明人：赵洋;魏世胜;王宇;王亚奇 -专利权人：深圳价值在线信息科技股份有限公司
申请日： 2019-10-30 - 公布日： 2023-06-13 - 主分类号： G06F40/216 文献下载
摘要：本申请实施例适用于文本处理技术领域，提供了一种关键词提取方法、装置、终端设备及存储介质，所述方法包括：采集待处理的多个文本，各个文本包括正文文本和标题文本；分别计算每个正文文本中各个正文词语的词频指数，基于多个正文文本中的各个目标正文词语，生成正文关键词集合；根据所述正文关键词集合，计算每个标题文本的标题权重值，基于目标标题文本中的各个标题词语，生成标题关键词集合；从所述正文关键词集合和所述标题关键词集合中提取目标关键词本实施例基于不同词语在正文文本和标题文本中的重要性进行关键词提取，使得提取出的关键词能够匹配文本内容自身的特点，提高了关键词的提取效率和准确率。
关键词提取方法装置终端设备存储介质

[发明专利]信函内容数据提取方法、装置、设备及存储介质-CN202210074215.2在审
发明人：唐业祎;王超;汪维;何洋 -专利权人：中国建设银行股份有限公司
申请日： 2022-01-21 - 公布日： 2022-04-26 - 主分类号： G06V30/40 文献下载
摘要：本说明书涉及图像识别技术领域，提供了一种信函内容数据提取方法、装置、设备及存储介质，该方法包括：获取目标信函的信封图像和正文图像；提取所述信封图像中的信封文字内容，并提取所述正文图像中的正文文字内容；将所述信封文字内容发送至信封内容核验端审核，并将所述正文文字内容发送至正文内容核验端审核；在所述信封文字内容和所述正文文字内容通过审核时，将所述信封文字内容和所述正文文字内容合并为所述目标信函的文字内容提取记录。本说明书实施例可以提高信函内容数据提取的效率和准确性。
信函内容数据提取方法装置设备存储介质

[发明专利]网页正文信息提取方法、装置、设备及介质-CN202211330508.9有效
发明人：孙太凤;郭行飞;刘永丹 -专利权人：中新宽维传媒科技有限公司
申请日： 2022-10-28 - 公布日： 2023-03-24 - 主分类号： G06F16/958 文献下载
摘要：本申请提供一种网页正文信息提取方法、装置、设备及介质，应用于信息抽取技术领域，其中网页正文信息提取方法包括：获取待处理网页对应的DOM树；根据DOM树中每个DOM节点对应的文本信息的文本复杂度，确定待处理网页中网页正文信息所在的网页正文区域；在网页正文区域中提取出网页正文信息。通过文本信息的文本复杂度对网页正文信息进行识别和提取处理，不仅可以准确、高效地从网页中识别提取出文本信息，而且无需针对特定网页结构的网站，具有较强的通用性，具有更好的鲁棒性和更高的准确度。
网页正文信息提取方法装置设备介质

[发明专利]政策类网页正文提取方法、系统、设备及存储介质-CN202010825873.1有效
发明人：李钊;卢凤;陈通;王瑞霜;胡传会;魏静 -专利权人：山东亿云信息技术有限公司
申请日： 2020-08-17 - 公布日： 2021-04-20 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了政策类网页正文提取方法、系统、设备及存储介质，包括：获取政策网页HTML源代码；根据政策网页HTML源代码，获取网页正文所在的位置；根据网页正文所在的位置，获取正文所对应的HTML源代码，输出正文所对应的过分析政策网页的页面组织结构规则，构建网页组织结构和网页正文位置的关系，获取网页正文内容。从而实现对政策类网页正文的快速、有效提取。本发明的实施使得政策类网页正文的提取实现了快速、高效获取，大大提高了工作效率，节省公司的人力成本，同时经验证，该发明也取得较高的准确率。
政策网页正文提取方法系统设备存储介质

[发明专利]网页消重方法、装置及存储介质-CN201610391118.0有效
发明人：杨俊 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2016-06-03 - 公布日： 2020-03-31 - 主分类号： G06F16/9535 文献下载
摘要：一种网页消重方法方法，包括：网页正文抽取步骤(S1)，对作为消重对象的网页的html源代码进行分析，提取出所述网页的正文内容；正文特征提取步骤(S2)，对提取出的所述正文内容按段落进行分段，并抽取段落中的能唯一代表该段落特征的段落中心句作为分段特征，并将所有的分段特征作为所述正文内容的正文特征；以及消重步骤(S3)，将所述正文特征与既存网页中的既存正文特征进行相似度计算，以确定是否为重复网页并进行消重。
网页方法装置存储介质

[发明专利]一种网页正文提取方法、装置、计算机装置及计算机可读存储介质-CN201810641914.4有效
发明人：李丹;吴潇;李靖 -专利权人：湖南星汉数智科技有限公司
申请日： 2018-06-21 - 公布日： 2021-01-08 - 主分类号： G06F16/957 文献下载
摘要：本发明适用于互联网技术领域，提供了一种网页正文提取方法、装置、计算机装置及计算机可读存储介质，该网页正文提取方法包括：构建DOM树，根据DOM树中的h标签的文本与title标签的文本的相似度，确定网页标题位置；对所述DOM树进行过滤，获取行块列表；通过所述行块列表中行块与所述网页标题位置，确定网页正文区域；根据所述网页正文区域，确定网页正文的开始位置和结束位置，并提取所述开始位置与所述结束位置之间的文本为网页正文本发明实施例提供的网页正文抽取方法，提高了正文抽取的准确度以及正文抽取的效率，正文抽取方法适用范围更广。
一种网页正文提取方法装置计算机可读存储介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条