申请/专利权人:珠海横琴指数动力科技有限公司
申请日:2022-11-16
公开(公告)日:2023-03-14
公开(公告)号:CN115796145A
主分类号:G06F40/194
分类号:G06F40/194;G06V30/14
优先权:
专利状态码:有效-授权
法律状态:2023.09.08#授权;2023.03.31#实质审查的生效;2023.03.14#公开
摘要:本申请适用于文本处理技术领域,提供了一种网页文本的采集方法、系统、服务器及可读存储介质,该方法包括:通过获取目标网页对应的待处理图像;根据待处理图像得到第一候选文本;获取目标网页对应的待处理渲染html;根据待处理渲染html得到第二候选文本;对第一候选文本和第二候选文本进行相似度对比,根据对比结果确定出目标文本。可见,本申请利用图片转序列以及序列转序列的多模态识别方法,可有效保证目标文本识别的准确性,通过不同的深度学习模型,能有效处理不同形态的各种目标文本,大大降低了人为介入的成本。
主权项:1.一种网页文本的采集方法,其特征在于,包括:获取目标网页对应的待处理图像;根据所述待处理图像得到第一候选文本;获取目标网页对应的待处理渲染html;根据所述待处理渲染html得到第二候选文本;对所述第一候选文本和第二候选文本进行相似度对比,根据对比结果确定出目标文本。
全文数据:
权利要求:
百度查询: 珠海横琴指数动力科技有限公司 一种网页文本的采集方法、系统、服务器及可读存储介质
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。