面向深层网页面数据自动抽取方法

发明专利无效专利

申请号：
CN201210086024.4
IPC分类号：G06F17/30
申请日期：
2012-03-28
申请人：
重庆大学

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	面向深层网页面数据自动抽取方法
申请号	CN201210086024.4	申请日期	2012-03-28
法律状态	权利终止	申报国家	中国
公开/公告日	2012-09-12	公开/公告号	CN102663041A
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	重庆大学	申请人地址	重庆市沙坪坝区沙正街174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	重庆大学	当前权利人	重庆大学
发明人	冯永;王慧娟;钟将;周尚波;李季
代理机构	重庆市前沿专利事务所（普通合伙）	代理人	郭云

摘要

本发明公开了一种面向深层网页面数据自动抽取方法，属于计算机数据挖掘领域，首先获取同一站点的两个深层网页面，分别标记为页面一和页面二；用HTMLTidy转换工具将页面一和页面二的HTML文档转换为XHTML文档；然后对页面一和页面二进行清噪处理；将页面一和页面二进行重复模式消除处理后生成网页数据抽取包装器；提取页面时先将待抽取数据的页面进行清噪处理；然后用网页数据抽取包装器先对经过清噪后的页面进行标记，最后抽取标记后的页面，本发明提高了重复模式消除算法和匹配算法的效率，降低了抽取复杂度，该方法中针对重复模式消除算法的特征而设计的匹配算法和抽取算法过程简单快速，同时提高了数据抽取的准确率。

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