一种中文新闻网页正文的自动抽取方法及装置

发明专利有效专利

申请号：
CN200710304146.5
IPC分类号：G06F17/30
申请日期：
2007-12-25
申请人：
北京大学;北大方正集团有限公司;北京方正电子政务技术有限公司

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	一种中文新闻网页正文的自动抽取方法及装置
申请号	CN200710304146.5	申请日期	2007-12-25
法律状态	授权	申报国家	中国
公开/公告日	2009-07-01	公开/公告号	CN101470728
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	北京大学;北大方正集团有限公司;北京方正电子政务技术有限公司	申请人地址	北京市海淀区颐和园路5号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京大学,北大方正集团有限公司,北京方正电子政务技术有限公司	当前权利人	北京大学,北大方正集团有限公司,北京方正电子政务技术有限公司
发明人	和斌;康凯;吴於茜;杨建武
代理机构	北京汇泽知识产权代理有限公司	代理人	张颖玲

摘要

本发明公开了一种中文新闻网页正文的自动抽取方法，该方法包括：根据网页生成得到页面数据列表，并对得到的页面数据列表进行细化筛选，然后将经过细化筛选得到的纯文本列表中的每项按照针对新闻正文的特征参数赋权值，计算每项纯文本数据的最终权重，并比较最终权重大小得出新闻正文。本发明同时还公开了一种中文新闻网页正文的自动抽取装置，该装置包括：页面数据列表抽取模块、细化筛选模块、赋权值模块及新闻正文抽取模块，整个装置用于完成中文新闻正文抽取功能。利用本发明，既能简化训练过程的复杂度，也能同时提高对中文新闻网页正文抽取的准确性，且实现简单、方便。

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