一種從網(wǎng)頁中抽取評論內(nèi)容的方法和裝置

基本信息

申請?zhí)?/td> CN200910244539.0 申請日 -
公開（公告）號 CN102117289B 公開（公告）日 2012-10-10
申請公布號 CN102117289B 申請公布日 2012-10-10
分類號 G06F17/30(2006.01)I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 劉偉;嚴(yán)華梁;萬小軍;楊建武;肖建國 申請（專利權(quán)）人 北京方正電子政務(wù)信息科技有限公司
代理機(jī)構(gòu) 北京同達(dá)信恒知識產(chǎn)權(quán)代理有限公司 代理人 北京大學(xué);北大方正集團(tuán)有限公司;北京方正電子政務(wù)信息科技有限公司;北京北大方正電子有限公司
地址 100871 北京市海淀區(qū)頤和園路5號
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種從網(wǎng)頁中抽取評論內(nèi)容的方法和裝置，涉及信息處理技術(shù)，通過建立評論頁面的DOM樹，并選擇符合評論區(qū)抽取規(guī)則的子樹抽取出評論區(qū)，再利用評論記錄間的結(jié)構(gòu)相似性，抽取出評論區(qū)中的評論記錄，利用包含評論內(nèi)容的子樹的差異性，選擇標(biāo)準(zhǔn)差最大的子樹作為包含評論內(nèi)容的子樹，最后選取穩(wěn)定性最小的一條路徑中，穩(wěn)定性差絕對值最大的相鄰節(jié)點(diǎn)中的孩子節(jié)點(diǎn)作為根節(jié)點(diǎn)，這個(gè)子樹就是要抽取的評論內(nèi)容。由于利用了評論內(nèi)容的無結(jié)構(gòu)特性來進(jìn)行抽取，而不是根據(jù)網(wǎng)頁的模板進(jìn)行抽取，所以網(wǎng)頁的不同不影響抽取的準(zhǔn)確性，并且不需要根據(jù)網(wǎng)頁的模板進(jìn)行復(fù)雜的配置，并通過計(jì)算去除了噪聲信息，提高了從網(wǎng)頁中抽取評論內(nèi)容的效率和準(zhǔn)確性。