龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：鼎富智能科技有限公司
申请日：2024-03-28
公开（公告）日：2024-06-28
公开（公告）号：CN118260464A
主分类号：G06F16/951
分类号：G06F16/951;G06F40/30;G06N3/0455;G06F18/213;G06F18/22;G06F18/25;G06F18/24;G06F16/35;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本申请提供一种提取网页中感兴趣文本的方法和装置，能基于网页的各种统计特征和语义匹配模型，精准地从网页区域中提取待匹配词条对应的感兴趣文本，适用于任何结构和模板的网页。方法包括：获取待处理网页的DOM树；根据待匹配词条的内容确定决策规则，决策规则用于规定待匹配词条对应的候选DOM块的统计特征需满足的条件，DOM块为DOM树的子树；根据各含有文本的DOM块的统计特征，筛选出满足决策规则中条件的候选DOM块；采用语义匹配模型从至少一个候选DOM块中，确定与待匹配词条的语义相匹配的目标DOM块，语义匹配模型基于Transformer结构；在目标DOM块对应的网页区域中提取待匹配词条对应的感兴趣文本。
主权项：1.一种提取网页中感兴趣文本的方法，其特征在于，包括：获取待处理网页的DOM树；根据待匹配词条的内容确定决策规则，所述决策规则用于规定所述待匹配词条对应的候选DOM块的统计特征需满足的条件，所述DOM块为所述DOM树的子树；根据每一含有文本的DOM块的统计特征，筛选出满足所述决策规则中条件的至少一个候选DOM块；采用语义匹配模型从至少一个所述候选DOM块中，确定与待匹配词条的语义相匹配的目标DOM块，所述语义匹配模型基于Transformer结构；在所述目标DOM块对应的网页区域中提取所述待匹配词条对应的感兴趣文本。
全文数据：
权利要求：
百度查询： 鼎富智能科技有限公司 一种提取网页中感兴趣文本的方法和装置
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号