申请/专利权人：北京数立得科技有限公司

申请日：2020-07-30

公开（公告）日：2023-11-14

公开（公告）号：CN111913693B

主分类号：G06F8/20

分类号：G06F8/20

优先权：

专利状态码：有效-授权

法律状态：2023.11.14#授权;2020.11.27#实质审查的生效;2020.11.10#公开

摘要：本申请提供了一种服务接口子类模板确定方法与系统。通过该方法，首先根据用户选定的模板大类，按照优先级获得模板大类下的各个子类模板；利用各个子类模板对web页面中的待提取数据进行提取操作，获得针对各个子类模板的提取结果；根据提取结果和待提取数据所在的原始DOM块之间的结构相似性，对每个子类模板的适应性进行评估；选择适应性高于指预设阈值的预设数量个子类模板进一步分析，分析内容包括：key‑value饱和度、key值语义含量、key值重复度以及与预期结果的结构相似性；根据分析结果获得待推荐的子类模板。该方法提升子类模板选择的准确率与效率，可针对Web页面的结构推荐出数据提取效果最好的子类模板，进而提升数据提取的准确率与效率。

主权项：1.一种服务接口子类模板确定方法，其特征在于，包括：根据用户选定的模板大类，按照优先级获得所述模板大类下的各个子类模板；利用所述各个子类模板对web页面中的待提取数据进行提取操作，获得针对所述各个子类模板的提取结果；根据所述提取结果和所述待提取数据所在的原始DOM块之间的相似性，对每个子类模板的适应性进行评估，包括：基于树的编辑距离获得所述提取结果和所述待提取数据所在的原始DOM块之间的相似性；根据所述相似性，对每个子类模板的适应性进行评估；选择适应性高于指预设阈值的预设数量个子类模板；对所述数量个子类模板进一步分析，分析内容包括：key-value饱和度、key值语义含量、key值重复度以及与预期结果的结构相似性；根据分析结果获得待推荐的子类模板；其中，所述基于树的编辑距离获得所述提取结果和所述待提取数据所在的原始DOM块之间的相似性，包括：将所述提取结果进行结构转化，获得可计算编辑距离的第一树结构；将所述待提取数据所在的原始DOM块进行结构转化，获得可计算编辑距离的第二树结构；将所述第一树结构和所述第二树结构之间的编辑距离作为相似性；所述待提取数据所在的原始DOM块的结构复杂程度高于提取结果的结构复杂程度；所述将所述提取结果进行结构转化，获得可计算编辑距离的第一树结构，包括：保留所述提取结果所拥有的信息，将其转化为可计算编辑距离的第一树结构；所述将所述待提取数据所在的原始DOM块进行结构转化，获得可计算编辑距离的第二树结构，包括：对所述待提取数据所在的原始DOM块所拥有的信息进行删减，获得可计算编辑距离的第二树结构。

全文数据：

权利要求：

百度查询： 北京数立得科技有限公司 一种服务接口子类模板确定方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD