一种从网页中抽取评论内容的方法和装置专利查询专利号|摘要-满商公司网

一种从网页中抽取评论内容的方法和装置

基本信息

申请号	CN200910244539.0	申请日	-
公开（公告）号	CN102117289B	公开（公告）日	2012-10-10
申请公布号	CN102117289B	申请公布日	2012-10-10
分类号	G06F17/30(2006.01)I	分类	计算；推算；计数;
发明人	刘伟;严华梁;万小军;杨建武;肖建国	申请（专利权）人	北京方正电子政务信息科技有限公司
代理机构	北京同达信恒知识产权代理有限公司	代理人	北京大学;北大方正集团有限公司;北京方正电子政务信息科技有限公司;北京北大方正电子有限公司
地址	100871 北京市海淀区颐和园路5号
法律状态	-

摘要

本发明公开了一种从网页中抽取评论内容的方法和装置，涉及信息处理技术，通过建立评论页面的DOM树，并选择符合评论区抽取规则的子树抽取出评论区，再利用评论记录间的结构相似性，抽取出评论区中的评论记录，利用包含评论内容的子树的差异性，选择标准差最大的子树作为包含评论内容的子树，最后选取稳定性最小的一条路径中，稳定性差绝对值最大的相邻节点中的孩子节点作为根节点，这个子树就是要抽取的评论内容。由于利用了评论内容的无结构特性来进行抽取，而不是根据网页的模板进行抽取，所以网页的不同不影响抽取的准确性，并且不需要根据网页的模板进行复杂的配置，并通过计算去除了噪声信息，提高了从网页中抽取评论内容的效率和准确性。