一种基于语义的网页信息抽取方法及系统
实质审查的生效
摘要
本发明提出一种基于语义的网页信息抽取方法，包括：获取目标网页的目标DOM树，对该目标DOM树的目标骨架节点按句进行分裂，得到该目标DOM树的目标骨架子节点；以分类模型按目标任务语义对所有该目标骨架子节点进行分类，获得该目标DOM树的目标信息子节点；对所有该目标信息子节点形成的节点路径进行聚类，获得该目标网页的目标信息树，对该目标信息树中包含的网页信息进行抽取。本发明还提出一种基于语义的网页信息抽取系统，以及一种用于实现基于语义的网页信息抽取的数据处理装置。
基本信息
专利标题 ：
一种基于语义的网页信息抽取方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114528459A
申请号 ：
CN202210044347.0
公开（公告）日 ：
2022-05-24
申请日 ：
2022-01-14
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
郭岩王之威刘杨昊刘悦薛源海俞晓明沈华伟程学旗
申请人 ：
中国科学院计算技术研究所
申请人地址 ：
北京市海淀区中关村科学院南路6号
代理机构 ：
北京律诚同业知识产权代理有限公司
代理人 ：
祁建国
优先权 ：
CN202210044347.0
主分类号 ：
G06F16/951
IPC分类号 ：
G06F16/951 G06F16/958 G06F16/35 G06F40/30 G06F40/146
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F16/951
•••索引; 网络抓取技术
法律状态
2022-06-10 ：
实质审查的生效
IPC(主分类) : G06F 16/951
申请日 : 20220114
申请日 : 20220114
2022-05-24 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
