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。

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