一种智能化网页内容自动模糊抽取系统
基本信息
| 申请号 | CN201811511109.6 | 申请日 | - |
| 公开（公告）号 | CN109657180A | 公开（公告）日 | 2019-04-19 |
| 申请公布号 | CN109657180A | 申请公布日 | 2019-04-19 |
| 分类号 | G06F16/958（2019.01）I; G06F16/951（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 符建辉; 张燎 | 申请（专利权）人 | 中科国力（镇江）智能技术有限公司 |
| 代理机构 | 南京知识律师事务所 | 代理人 | 中科国力（镇江）智能技术有限公司 |
| 地址 | 212000 江苏省镇江市高新技术产业开发区经十二路668号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种智能化网页内容模糊抽取系统，包括模块A：HTML网页语料库的预处理；模块B：HTML网页内容的快速多重索引的自动生成；模块C：候选业务主题的生成；模块D：候选业务主题的模糊验证；模块E：候选业务主题与对应的XPath关联；模块F：HTML网页内容的抽取。这种方法具有两个优势：(1)不依赖网页内容抽取模板。(2)对网页中的业务主题进行自动模糊识别，准确判断它们的含义。上述两个特点，确保了本发明的网页内容自动抽取的准确率和召回率。 |
