一種基于網(wǎng)頁主體特征和中介真值的網(wǎng)頁主體提取方法

基本信息

申請?zhí)?/td> CN201310116907.X 申請日 -
公開（公告）號 CN103678432B 公開（公告）日 2016-11-16
申請公布號 CN103678432B 申請公布日 2016-11-16
分類號 G06F17/30(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 成衛(wèi)青;于靜;洪龍;楊庚;黃衛(wèi)東;梁勝 申請（專利權(quán)）人 深圳采?？萍加邢薰?/a>
代理機構(gòu) 南京知識律師事務(wù)所 代理人 南京郵電大學(xué);深圳財富農(nóng)場互聯(lián)網(wǎng)金融服務(wù)有限公司
地址 210003 江蘇省南京市鼓樓區(qū)新模范馬路66號
法律狀態(tài) -

摘要

摘要 本發(fā)明基于網(wǎng)頁主體特征和中介真值的網(wǎng)頁主體識別和提取方法是一種Web信息抽取過程中進行主體識別的解決方案。主要用于解決主體識別存在的通用性不強、準(zhǔn)確度有待提高的問題，屬于Web信息處理領(lǐng)域。本發(fā)明的特征：通過考察網(wǎng)頁結(jié)點樹中每個結(jié)點的子樹數(shù)、平均子樹分支數(shù)、可顯示字符數(shù)和子樹分支數(shù)極差等屬性，從多角度判別每個結(jié)點是主體結(jié)點的真值程度，再綜合各個角度的評判結(jié)果識別出網(wǎng)頁的主體結(jié)點，從而具有較高的網(wǎng)頁主體識別準(zhǔn)確度；而且本發(fā)明能夠針對每個網(wǎng)頁自動設(shè)定中介真值程度計算所需要各個屬性的界值，多角度判別和自動設(shè)定界值一起使本發(fā)明通用性強，適用于各種類型網(wǎng)頁的主體識別和提取。