原创力文档- 1、本文档共16页，其中可免费阅读15页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本申请属于计算机技术领域，具体涉及一种网页正文的自动抽取方法及装置。其中的方法包括：通过关键字搜索得到目标网站，从目标网站抓取网页数据，并对抓取的网页进行截图，得到网页图像数据；通过预先训练的卷积神经网络将网页分为文章网页和列表网页，并将网页数据解析为DOM树；对文章网页，比较同一父元素中两个子元素文本长度之差与全部子元素文本长度的标准差，基于比较结果从网页数据中抽取网页正文；对列表网页，将深度级别、属性相同的元素作为一个衡量单元，从平均文本长度最长的衡量单元对应的元素抽取网页正文。本申请中的方
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112269906 B
(45)授权公告日 2023.04.14
(21)申请号 202011098344.2 G06F 16/953 (2019.01)
文档评论（0）