一种网页主题提取系统和方法

发明专利无效专利

申请号：
CN200610036003.6
IPC分类号：G06F17/30
申请日期：
2006-06-15
申请人：
腾讯科技（深圳）有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种网页主题提取系统和方法
申请号	CN200610036003.6	申请日期	2006-06-15
法律状态	驳回	申报国家	中国
公开/公告日	2007-11-28	公开/公告号	CN101079031
优先权	暂无	优先权号	暂无
主分类号	G06F17/30 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/30 信息检索；及其数据库结构〔6〕	IPC分类号	G;0;6;F;1;7;/;3;0查看分类表>
申请人	腾讯科技（深圳）有限公司	申请人地址	广东省深圳市高新科技园南区高新南一道飞亚达高科技大厦5－10层变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	腾讯科技（深圳）有限公司	当前权利人	腾讯科技（深圳）有限公司
发明人	丁江伟
代理机构	深圳市顺天达专利商标代理有限公司	代理人	郭伟刚;蔡晓红

摘要

本发明提供了一种网页主题提取系统，包括文档解析器，其用于从网页源文件中提取网页标题和具有不同突出显示属性的网页正文；还包括：分词模块，其用于将所述网页正文、网页标题和网页类别信息进行分词，得到第一词汇表；义元处理模块，其用于将所述第一词汇表中的词汇转换为义元，对所述义元计算权重，最后再对计算权重后的义元进行反向还原，得到主题词汇集合。本发明还提供了一种网页主题提取方法。本发明的有益效果在于：采用基于义元集的语义分析技术，避免了词汇稀疏的难题，对短文章的分析效果良好。充分考虑了网页的预分类、标题信息和显示属性，能够准确地提取出网页的主题。采用带权重的词汇排序表表示网页的主题，避免了信息的丢失。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供