原创力文档- 3
- 0
- 约2.28万字
- 约 19页
- 2023-07-05 发布于四川
- 举报
本发明涉及大数据技术，揭露了一种基于图文的网页正文提取方法、装置、设备及存储介质。所述方法包括：抓取目标网页的超文本标记数据及网页图像；对所述网页图像进行对象识别，得到正文文本块集合及图片区域集合；根据图文冲突筛选规则及所述正文文本块集合，对所述图片区域集合进行正文区域筛选，得到正文图片区域集合；对各个正文文本块进行文本识别，得到正文文本序列，并对各个正文文本序列标记文本序号；根据正文图片区域的上下文相邻的正文文本序列的文本序号，对所述超文本标记数据进行查询得到正文图像数据；对不完整的正文文本序
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116386068 A
(43)申请公布日 2023.07.04
(21)申请号 202310300637.1 G06V 30/19 (2022.01)
文档评论（0）