网页正文提取的方法及装置
基本信息
| 申请号 | CN201610051276.1 | 申请日 | - |
| 公开（公告）号 | CN105718584A | 公开（公告）日 | 2016-06-29 |
| 申请公布号 | CN105718584A | 申请公布日 | 2016-06-29 |
| 分类号 | G06F17/30(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 陈发君;刘忠;黄金才;朱承;修保新;程光权;陈超;冯旸赫;龙开亮;孟果 | 申请（专利权）人 | 长沙市源本信息科技有限公司 |
| 代理机构 | 北京中济纬天专利代理有限公司 | 代理人 | 中国人民解放军国防科学技术大学;长沙市源本信息科技有限公司 |
| 地址 | 410073 湖南省长沙市开福区德雅路109号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种网页正文提取的方法及装置，其中方法将经过预处理去噪的网页HTML文本中每个文本切片的特征值进行计算，之后通过不同的聚合规则，对文本切片列表中满足要求的文本进行多次聚合，最终得到符合要求的网页正文。该方法简单高效，避免了全文人工制定提取规则的繁琐。可以根据具体网页类型实现相关网页的自动正文提取。 |
