1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 行业资料
  5. 国内专利

自动提取网页正文的方法及系统.pdfVIP

  • 0
  • 0
  • 约1.87万字
  • 约 14页
  • 2023-06-06 发布于四川
  • 举报

自动提取网页正文的方法及系统.pdf

    本发明提供一种自动提取网页正文的方法及系统，该方法包括：对目标网页的DOM节点进行筛选，获取备选DOM节点；若父节点的文字内容长度大于预设长度阈值，即将备选DOM节点、备选DOM节点的父节点、父节点的父节点放入待处理列表中，否则忽略此备选节点；根据待处理列表中各个节点的标签，获取各个节点的初始评分；根据预设评分模型，获取待处理列表各个节点的附加分数；据待处理列表优选DOM节点列表中所有优选DOM节点的最终分数，获取内容节点。本发明与传统方法相比，不需要使用人工对文档作出标记，可以提高文档正文的提

    (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112765941 A (43)申请公布日 2021.05.07 (21)申请号 202110081170.7 (22)申请日 2021.01.21 (71)申请人 语联网（武汉）信息技术有限公司

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >