[發(fā)明專利]一種針對Web頁面數(shù)據(jù)的摘要提取方法及檢測方法

有效

• 申請?zhí)枺?/td>: 201611234214.0
• 申請日: 2016-12-28
• 公開（公告）號: CN106650504B
• 公開（公告）日: 2019-04-02
• 發(fā)明（設(shè)計）人: 史紅周;梁英;項定華;段瓊瓊;劉建飛
• 申請（專利權(quán)）人: 中國科學(xué)院計算技術(shù)研究所
• 主分類號: G06F21/64
• 分類號: G06F21/64
• 代理公司: 北京泛華偉業(yè)知識產(chǎn)權(quán)代理有限公司 11280
• 代理人: 王勇

1.一種針對Web頁面數(shù)據(jù)的摘要提取方法，其中所述Web頁面基于其頁面布局劃分成不同層次，所述方法包括：

1)基于Web頁面的輸入數(shù)據(jù)，生成最低層次的摘要；

2)對前一層次的摘要提取摘要，得到當(dāng)前層次的摘要；

3)重復(fù)步驟2)，直到生成最高層次的摘要；

4)根據(jù)全部層次的摘要，生成所述Web頁面數(shù)據(jù)的Web摘要。

2.根據(jù)權(quán)利要求1所述的方法，其中所述Web頁面基于其頁面布局中的單元劃分來確定所述不同層次，所述不同層次包括以下至少兩個層次：

與頁面對應(yīng)的層次、與域?qū)?yīng)的層次、與區(qū)對應(yīng)的層次；

其中，所述與區(qū)對應(yīng)的層次低于所述與域?qū)?yīng)的層次，所述與域?qū)?yīng)的層次低于所述與頁面對應(yīng)的層次。

3.根據(jù)權(quán)利要求2所述的方法，其中步驟1)包括：

對Web頁面域中的輸入數(shù)據(jù)提取摘要，生成域的摘要。

4.根據(jù)權(quán)利要求3所述的方法，其中步驟2)包括：

根據(jù)所述Web頁面的區(qū)中所包含的域，對其中的域的摘要提取摘要，生成區(qū)的摘要。

5.根據(jù)權(quán)利要求4所述的方法，其中步驟3)包括：

根據(jù)所述Web頁面中所包含的區(qū)，對其中的區(qū)的摘要提取摘要，生成頁面的摘要。

6.根據(jù)權(quán)利要求5所述的方法，其中步驟4)包括：

將生成的所述域的摘要、所述區(qū)的摘要、所述頁面的摘要拼接成字符串，生成Web摘要。

7.根據(jù)權(quán)利要求6所述的方法，其中步驟4)還包括：

在所述字符串中設(shè)置間隔符，間隔相鄰的所述域的摘要和所述區(qū)的摘要和/或所述頁面的摘要。

8.根據(jù)權(quán)利要求7所述的方法，其中步驟4)還包括：

在所述字符串中為所述域的摘要和所述區(qū)的摘要和所述頁面的摘要設(shè)置標(biāo)識字段，以標(biāo)識所述域和所述區(qū)和所述頁面之間的層屬關(guān)系。

9.根據(jù)權(quán)利要求8所述的方法，其中步驟4)中所述標(biāo)識字段包括：

所述域的編號及其所屬區(qū)和/或頁面的編號，和

所述區(qū)的編號及其所屬頁面的編號，和

所述頁面的編號。

10.一種基于權(quán)利要求1-9中任意一項方法，檢測Web頁面數(shù)據(jù)變化的方法，包括：

1)獲得需要訪問的Web頁面數(shù)據(jù)及其相應(yīng)的Web摘要；

2)采用與生成所述Web摘要相同的方法，對所獲得的Web頁面數(shù)據(jù)提取第二摘要；

3)將所述第二摘要與所述Web摘要進(jìn)行比對，確定所獲得的Web頁面數(shù)據(jù)相較于所述輸入Web頁面的數(shù)據(jù)是否發(fā)生變化。

11.根據(jù)權(quán)利要求10所述的方法，其中步驟3)包括：

將第二摘要與所述Web摘要中的對應(yīng)字段進(jìn)行直接比對：

如不相同，則報告該字段所定位的數(shù)據(jù)發(fā)生異常。

12.根據(jù)權(quán)利要求11所述的方法，其中步驟3)包括：

將第二摘要與所述Web摘要中的相應(yīng)字段進(jìn)行交叉比對：

如所述Web摘要中的字段與所述第二摘要中的非對應(yīng)字段發(fā)生了交換，則報告該兩個字段所定位的數(shù)據(jù)發(fā)生順序錯亂。

13.一種檢測用戶輸入Web頁面的數(shù)據(jù)的變化的裝置，其中所述Web頁面劃分成不同層次，所述裝置包括：

層次加密上傳模塊，用于基于Web頁面的輸入數(shù)據(jù)，生成最低層次的摘要；以及基于前一層次的摘要，生成當(dāng)前層次的摘要，直到生成最高層次的摘要；以及根據(jù)全部層次的摘要，生成所述Web頁面數(shù)據(jù)的Web摘要；

驗證模塊，用于對取回的數(shù)據(jù)提取第二摘要，并比對所述Web摘要與所述第二摘要，以檢驗取回的所述數(shù)據(jù)相較于所述輸入數(shù)據(jù)是否發(fā)生變化。