[發明專利]提取網頁內容的方法、裝置和計算機存儲介質在審
| 申請號： | 201811549846.5 | 申請日： | 2018-12-18 |
| 公開（公告）號： | CN111339396A | 公開（公告）日： | 2020-06-26 |
| 發明（設計）人： | 夏迎炬;鄭仲光;孟遙;陳炎 | 申請（專利權）人： | 富士通株式會社 |
| 主分類號： | G06F16/9535 | 分類號： | G06F16/9535;G06F16/35 |
| 代理公司： | 北京集佳知識產權代理有限公司 11227 | 代理人： | 杜誠;張維克 |
| 地址： | 日本神*** | 國省代碼： | 暫無信息 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 提取 網頁 內容 方法 裝置 計算機 存儲 介質 | ||
1.一種提取網頁內容的方法，包括：
計算網頁特征與至少一個網頁特征聚類的代表集合的相似度，所述代表集合包括相應網頁特征聚類中彼此間相似度較高的網頁特征的樣本；
確定與所述網頁特征的相似度最高的代表集合；
用所述網頁特征更新與所確定的代表集合關聯的網頁特征聚類；
重新計算所更新的網頁特征聚類的代表集合；以及
根據與所更新的網頁特征聚類關聯的提取模板從網頁中提取內容。
2.如權利要求1所述的方法，其中，
所述代表集合中彼此間相似度較高的網頁特征的樣本取自同一類別的網頁內容。
3.如權利要求2所述的方法，其中，
所述代表集合的數量等于待提取網頁內容的類別的數量。
4.如權利要求1所述的方法，其中
基于所更新的網頁特征聚類中網頁特征與其它樣本的網頁特征的相似度之和除以與各個代表集合的相似度之和的比值來選擇組成所更新的網頁特征聚類的代表集合的樣本。
5.如權利要求4所述的方法，其中
用對應于較大比值的預定數量的樣本組成所更新的網頁特征聚類的代表集合。
6.如權利要求1所述的方法，其中：
利用神經網絡確定網頁特征之間的相似度。
7.如權利要求6所述的方法，其中
所述神經網絡包括Siamese網絡。
8.如權利要求6所述的方法，其中
所述神經網絡是經過訓練的神經網絡。
9.一種提取網頁內容的裝置，包括：
至少一個處理器，被配置成執行如權利要求1至8中任一項所述的方法。
10.一種存儲有計算機可讀的程序指令的計算機存儲介質，當所述程序指令由計算機執行時，用于實現根據權利要求1至8中任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于富士通株式會社，未經富士通株式會社許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811549846.5/1.html，轉載請聲明來源鉆瓜專利網。
- 內容再現系統、內容提供方法、內容再現裝置、內容提供裝置、內容再現程序和內容提供程序
- 內容記錄系統、內容記錄方法、內容記錄設備和內容接收設備
- 內容服務系統、內容服務器、內容終端及內容服務方法
- 內容分發系統、內容分發裝置、內容再生終端及內容分發方法
- 內容發布、內容獲取的方法、內容發布裝置及內容傳播系統
- 內容提供裝置、內容提供方法、內容再現裝置、內容再現方法
- 內容傳輸設備、內容傳輸方法、內容再現設備、內容再現方法、程序及內容分發系統
- 內容發送設備、內容發送方法、內容再現設備、內容再現方法、程序及內容分發系統
- 內容再現裝置、內容再現方法、內容再現程序及內容提供系統
- 內容記錄裝置、內容編輯裝置、內容再生裝置、內容記錄方法、內容編輯方法、以及內容再生方法
