一种网页去噪的方法专利查询专利号|摘要-满商公司网

一种网页去噪的方法

基本信息

申请号	CN202011229773.9	申请日	-
公开（公告）号	CN112347353A	公开（公告）日	2021-02-09
申请公布号	CN112347353A	申请公布日	2021-02-09
分类号	G06F16/9535(2019.01)I;G06F16/35(2019.01)I	分类	计算；推算；计数;
发明人	邹季英;吴涛;袁仁慧	申请（专利权）人	《中国学术期刊（光盘版）》电子杂志社有限公司
代理机构	北京天奇智新知识产权代理有限公司	代理人	王泽云
地址	100084北京市海淀区清华园清华大学36区华业大厦B1410、1412、1414室
法律状态	-

摘要

本发明公开了一种网页去噪的方法，包括：导入网页，获取网页的DOM树结构信息、视觉信息和文本内容；判断节点类型，计算节点纯度；拆分DOM树提取初级视觉块，对初级视觉块集合进行邻域分析与融合，形成视觉块集合，校验视觉块集合，校验后输出提取视觉块；抽取视觉块特征；对视觉块进行分类，将视觉块的分类标签以节点属性的方式写入视觉块所包含的DOM子树的所有节点，直至叶子节点，检查、修改标注文件并输出；从节点的类别标签推导出视觉块的类别标签，使用视觉块特征和视觉块类别标签训练分类器，评估网页去噪效果；采用分类器对视觉块分类，将分类结果转化为节点的分类结果，根据节点的分类结果剔除网页中的无效内容，输出网页去噪结果并保存。