专利名称：一种网页正文及要素提取的方法和系统专利类型：发明专利
发明人：李兆钧,罗啟泽,雷小平申请号：CN201911252927.3申请日：20191209公开号：CN110990738A公开日：20200410
摘要：本发明公开了一种网页正文及要素提取的方法和系统，其方法包括以下步骤：从同一平台采集多个网页，分别对单个网页进行预处理；计算单个所述网页的正文、发布时间、来源的提取候选路径及其评分，得到所述网页的网页级提取候选路径及评分；对多个网页的所述网页级提取候选路径及评分进行综合计算，得到平台级提取候选路径及评分；S4：判断所述平台级提取候选路径是否达到置信水平，如达到则作为平台级提取路径，生成所述平台的要素提取器，如未达到则重新采集网页。本发明提供的网页正文及要素提取的方法和系统，能提取的网页元素较多，能提高网页提取的准确性和效率，能评估提取的可靠性程度。
申请人：名创优品(横琴)企业管理有限公司
地址：519000 广东省珠海市横琴南山嘴路156号二层办公室205室
国籍：CN
代理机构：北京集佳知识产权代理有限公司
代理人：郭帅
更多信息请下载全文后查看
因篇幅问题不能全部显示，请点此查看更多更全内容