申请/专利权人：深圳市朱墨科技有限公司

申请日：2019-12-20

公开（公告）日：2023-11-07

公开（公告）号：CN111061955B

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/9538

优先权：

专利状态码：有效-授权

法律状态：2023.11.07#授权;2020.05.19#实质审查的生效;2020.04.24#公开

摘要：本发明实施例提供了一种网页正文的提取方法、装置、服务器和存储介质。该网页正文的提取方法包括：接收用户输入的查询关键字；基于搜索引擎对所述查询关键字进行查询，得到所述查询关键字对应的查询结果，所述查询结果包括摘要信息和详情页信息；基于多个提取引擎对所述详情页信息进行提取，得到多个正文文本，每个正文文本对应一个提取引擎；基于所述摘要信息和所述多个正文文本的匹配关系，在所述多个正文文本中确定目标正文文本。通过使用多个提取引擎提取正文文本，再确定目标正文文本，达到获取高质量的正文信息，提高正文信息内容的准确性的效果。

主权项：1.一种网页正文的提取方法，其特征在于，包括：接收用户输入的查询关键字；基于搜索引擎对所述查询关键字进行查询，得到所述查询关键字对应的查询结果，所述查询结果包括摘要信息和详情页信息；基于多个提取引擎对所述详情页信息进行提取，得到多个正文文本，每个正文文本对应一个提取引擎；基于所述摘要信息和所述多个正文文本的匹配关系，在所述多个正文文本中确定目标正文文本，包括：计算所述摘要信息的摘要哈希值，以及对应每一个正文文本的多个正文哈希值；根据所述摘要哈希值和多个正文哈希值，确定对应每一个正文文本的多个海明距离；根据所述多个海明距离确定所述目标正文文本，包括：在所述多个海明距离中确定目标海明距离；确定所述目标海明距离对应的正文文本的第一文本数量；判断所述目标海明距离和所述第一文本数量是否满足预设条件；如果所述目标海明距离和所述第一文本数量满足预设条件，则将所述目标海明距离对应的正文文本作为所述目标正文文本；如果所述目标海明距离和所述第一文本数量不满足预设条件，则基于匹配规则确定所述目标正文文本。

全文数据：

权利要求：

百度查询： 深圳市朱墨科技有限公司 网页正文的提取方法、装置、服务器和存储介质

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