新闻网页要素自动提取方法
基本信息
| 申请号 | CN201210232831.2 | 申请日 | - |
| 公开（公告）号 | CN102750390B | 公开（公告）日 | 2014-07-23 |
| 申请公布号 | CN102750390B | 申请公布日 | 2014-07-23 |
| 分类号 | G06F17/30(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 张长水;宋成儒;翁时锋 | 申请（专利权）人 | 宁波中青华云新媒体科技有限公司 |
| 代理机构 | 上海唯源专利代理有限公司 | 代理人 | 曾耀先 |
| 地址 | 315192 浙江省宁波市鄞州区学士路298号科技中心514室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提出一种新闻网页要素自动提取方法，包括以下步骤：（1）提取网页源码中网页标题与网页元信息，并得到有关网页内容的关键词词典；（2）对网页源码中的文字节点进行遍历，并按照新闻标题-发布时间-消息来源-新闻正文或者新闻标题-消息来源-发布时间-新闻正文的顺序，以及利用所述关键词词典检测并提取新闻标题、发布时间、消息来源和新闻正文。本发明不会对特定模板产生依赖，具有很强的通用性。 |
