[發明專利]一種網頁庫級的結構化信息抽取方法

無效

• 申請號: 201310332433.2
• 申請日: 2013-08-02
• 公開（公告）號: CN103425760A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 朱藝凡
• 申請（專利權）人: 朱藝凡
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 蘇州廣正知識產權代理有限公司 32234
• 代理人: 劉述生

技術領域

本發明涉及信息處理軟件領域，具體的說，特別涉及到一種網頁庫級的結構化信息抽取方法。

背景技術

互連網上出現的海量信息，大概分為結構化、半結構化和非結構化三種。結構化信息如電子商務信息，信息的性質和量值的出現的位置是固定的；半結構化的信息如專業網站上的細分頻道，其標題和正文的語法相當規范，關鍵詞的范圍相當局限；非結構化的信息如BLOG和BBS，所有內容都是不可預知的。?

結構化信息和非結構化信息是IT應用的兩個世界，它們有著各自不同的應用進化特點和規律。但是，這兩個世界之間還缺少相互連接的橋梁，而這種缺失使企業中不可避免地存在“活動”、“信息和知識”的分離，其后果就是：雖然它們都在進行著“知識化”的努力，但兩個世界分離的IT應用模式，注定使其難以真正實現它們的初衷——“在最合適的時間，將最合適的信息傳送給最合適的人。

綜上所述，針對現有技術的缺陷，特別需要一種網頁庫級的結構化信息抽取方法，以解決以上提到的問題。

發明內容

本發明的目的在于提供一種網頁庫級的結構化信息抽取方法，通過采用功能化的結構設計，克服了傳統技術中的不足，從而實現本發明的目的。

本發明所解決的技術問題可以采用以下技術方案來實現：

????一種網頁庫級的結構化信息抽取方法，包括如下步驟：

1）選定結構化信息的抽取對象，然后對抽取對象進行頁面結構分析與智能節點分析轉換處理，獲取抽取對象的信息；

2）根據頁面結構分析與智能節點分析轉換處理獲取的抽取對象的信息，對每個網頁自動實時的生成抽取規則；

3）根據實時生成的抽取規則，配置相應的特征，獲取抽取對象目標的結構化信息。

在本發明的一個實施例中，所述抽取模板抽取的結構化信息包括營運內容、部門內容、Web內容和多媒體內容。

在本發明的一個實施例中，所述結構化信息抽取完畢后，添加信息的大小、類別、轉換日期，便于后續處理。

本發明的有益效果在于：結構簡單，設計巧妙，通過采用功能化的結構設計，克服了傳統技術中的不足，填補了相關市場的空白，從而實現本發明的目的。

具體實施方式

為使本發明實現的技術手段、創作特征、達成目的與功效易于明白了解，下面結合具體實施方式，進一步闡述本發明。

本發明所述的?一種網頁庫級的結構化信息抽取方法，包括如下步驟：

1）選定結構化信息的抽取對象，然后對抽取對象進行頁面結構分析與智能節點分析轉換處理，獲取抽取對象的信息；

2）根據頁面結構分析與智能節點分析轉換處理獲取的抽取對象的信息，對每個網頁自動實時的生成抽取規則；

3）根據實時生成的抽取規則，配置相應的特征，獲取抽取對象目標的結構化信息。

在本發明的一個實施例中，為了增加所述方法的泛用性，所述抽取模板抽取的結構化信息包括營運內容、部門內容、Web內容和多媒體內容。

尤其需要指出的是，所述結構化信息抽取完畢后，添加信息的大小、類別、轉換日期，便于后續處理。

本發明結構簡單，設計巧妙，通過采用功能化的結構設計，克服了傳統技術中的不足，填補了相關市場的空白，從而實現本發明的目的。

以上顯示和描述了本發明的基本原理和主要特征和本發明的優點。本行業的技術人員應該了解，本發明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發明的原理，在不脫離本發明精神和范圍的前提下，本發明還會有各種變化和改進，這些變化和改進都落入要求保護的本發明范圍內。本發明要求保護范圍由所附的權利要求書及其等效物界定。