買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜山石網(wǎng)科通信技術(shù)股份有限公司申請的專利文本提取方法、裝置、電子設(shè)備及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119202359B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-04發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411729883.X，技術(shù)領(lǐng)域涉及：G06F16/953；該發(fā)明授權(quán)文本提取方法、裝置、電子設(shè)備及存儲介質(zhì)是由陳繼智設(shè)計(jì)研發(fā)完成，并于2024-11-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本文本提取方法、裝置、電子設(shè)備及存儲介質(zhì)在說明書摘要公布了：本申請公開了一種文本提取方法、裝置、電子設(shè)備及存儲介質(zhì)，涉及數(shù)據(jù)采集領(lǐng)域。其中，該方法包括：依據(jù)網(wǎng)頁源碼中的網(wǎng)頁標(biāo)簽確定至少一個(gè)目標(biāo)DOM樹，其中，每個(gè)目標(biāo)DOM樹中的樹節(jié)點(diǎn)均為目標(biāo)樹節(jié)點(diǎn)，目標(biāo)樹節(jié)點(diǎn)所對應(yīng)的文本塊為非空文本，并且目標(biāo)樹節(jié)點(diǎn)的至少一層的上級節(jié)點(diǎn)所對應(yīng)的網(wǎng)頁標(biāo)簽為目標(biāo)網(wǎng)頁標(biāo)簽，目標(biāo)網(wǎng)頁標(biāo)簽包括用于圈定網(wǎng)頁正文的目標(biāo)要素；根據(jù)每個(gè)目標(biāo)樹節(jié)點(diǎn)的文本權(quán)重和結(jié)構(gòu)權(quán)重，從所有的目標(biāo)樹節(jié)點(diǎn)中篩選得到正文樹節(jié)點(diǎn)；從網(wǎng)頁中提取正文樹節(jié)點(diǎn)對應(yīng)的文本塊。本申請解決了現(xiàn)有技術(shù)中基于統(tǒng)計(jì)的方式提取網(wǎng)頁的文本內(nèi)容，導(dǎo)致的網(wǎng)頁正文內(nèi)容提取不準(zhǔn)確的技術(shù)問題。

本發(fā)明授權(quán)文本提取方法、裝置、電子設(shè)備及存儲介質(zhì)在權(quán)利要求書中公布了：1.一種文本提取方法，其特征在于，包括：依據(jù)網(wǎng)頁源碼中的網(wǎng)頁標(biāo)簽確定至少一個(gè)目標(biāo)DOM樹，其中，每個(gè)所述目標(biāo)DOM樹中的樹節(jié)點(diǎn)均為目標(biāo)樹節(jié)點(diǎn)，所述目標(biāo)樹節(jié)點(diǎn)所對應(yīng)的文本塊為非空文本，并且所述目標(biāo)樹節(jié)點(diǎn)的至少一層的上級節(jié)點(diǎn)所對應(yīng)的網(wǎng)頁標(biāo)簽為目標(biāo)網(wǎng)頁標(biāo)簽，所述目標(biāo)網(wǎng)頁標(biāo)簽包括用于圈定網(wǎng)頁正文的目標(biāo)要素；根據(jù)每個(gè)所述目標(biāo)樹節(jié)點(diǎn)的文本權(quán)重和結(jié)構(gòu)權(quán)重，從所有的所述目標(biāo)樹節(jié)點(diǎn)中篩選得到正文樹節(jié)點(diǎn)，其中，所述文本權(quán)重表征所述目標(biāo)樹節(jié)點(diǎn)對應(yīng)的文本塊在網(wǎng)頁的語義表達(dá)中的重要程度，所述結(jié)構(gòu)權(quán)重表征所述目標(biāo)樹節(jié)點(diǎn)對應(yīng)的文本塊在所述網(wǎng)頁的文本布局結(jié)構(gòu)上的重要程度，其中，所述目標(biāo)樹節(jié)點(diǎn)的結(jié)構(gòu)權(quán)重與所述目標(biāo)樹節(jié)點(diǎn)在所述目標(biāo)DOM樹中的深度以及所述目標(biāo)樹節(jié)點(diǎn)對應(yīng)的文本字?jǐn)?shù)有關(guān)，所述目標(biāo)樹節(jié)點(diǎn)的結(jié)構(gòu)權(quán)重與該目標(biāo)樹節(jié)點(diǎn)在所述目標(biāo)DOM樹中的深度呈負(fù)相關(guān)，與該目標(biāo)樹節(jié)點(diǎn)對應(yīng)文本字?jǐn)?shù)呈正相關(guān)；從所述網(wǎng)頁中提取所述正文樹節(jié)點(diǎn)對應(yīng)的文本塊；其中，依據(jù)網(wǎng)頁源碼中的網(wǎng)頁標(biāo)簽確定至少一個(gè)目標(biāo)DOM樹，包括：過濾所述網(wǎng)頁源碼中的非關(guān)鍵網(wǎng)頁標(biāo)簽，并刪除初始DOM樹中與所述非關(guān)鍵網(wǎng)頁標(biāo)簽相對應(yīng)的樹節(jié)點(diǎn)，得到第一DOM樹；其中，所述非關(guān)鍵網(wǎng)頁標(biāo)簽對應(yīng)的文本塊屬于所述網(wǎng)頁正文的概率低于預(yù)設(shè)概率；檢測所述第一DOM樹中屬于目標(biāo)樹節(jié)點(diǎn)的樹節(jié)點(diǎn)，并根據(jù)檢測結(jié)果確定所述目標(biāo)DOM樹。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山石網(wǎng)科通信技術(shù)股份有限公司，其通訊地址為：215163 江蘇省蘇州市高新區(qū)景潤路181號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。