申请/专利权人：平安科技(深圳)有限公司

申请日：2022-08-18

公开（公告）日：2022-11-15

公开（公告）号：CN115344772A

主分类号：G06F16/953

分类号：G06F16/953;G06F16/35;G06F16/33;G06F40/289;G06F40/30;G06K9/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.12.02#实质审查的生效;2022.11.15#公开

摘要：本发明涉及智能决策领域，揭露一种基于网页正文提取方法，包括：将待提取网页进行特征提取，得到网页数据特征集，并将网页数据特征集进行编码，得到网页数据向量集；对网页数据向量集进行召回处理，得到索引网页数据集，并通过分析索引网页数据集所属的分类标签，确定待提取网页对应的网页类型；判断网页类型是否为文字型网页；当网页类型不为文字型网页，则根据正则规则提取网页正文；当网页类型为文字型网页，则利用网页正文提取模型提取网页正文。本发明还涉及一种区块链技术，网页正文可存储在区块链节点中。本发明还提出一种基于网页正文提取装置、设备以及介质。本发明可以提高网页正文提取的效率及准确率。

主权项：1.一种基于网页正文提取方法，其特征在于，所述方法包括：获取待提取网页，将所述待提取网页进行特征提取，得到网页数据特征集，并将所述网页数据特征集进行编码，得到网页数据向量集；对所述网页数据向量集进行召回处理，得到索引网页数据集，并通过分析所述索引网页数据集所属的分类标签，确定所述待提取网页对应的网页类型；判断所述待提取网页的网页类型是否为文字型网页；当所述待提取网页的网页类型不为文字型网页，则根据预设的正则规则提取所述待提取网页的网页正文；当所述待提取网页的网页类型为文字型网页，则利用训练完成的网页正文提取模型提取所述待提取网页的网页正文。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 基于网页正文提取方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD