[發明專利]黃頁信息獲取方法、裝置及電子設備

在審

• 申請號: 201811583912.0
• 申請日: 2018-12-24
• 公開（公告）號: CN111353084A
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 張勇攀;周楠
• 申請（專利權）人: 北京奇虎科技有限公司
• 主分類號: G06F16/953
• 分類號: G06F16/953
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 張筱寧

1.一種黃頁信息獲取方法，其特征在于，包括：

通過搜索引擎對待查詢電話號碼進行查詢，得到包含所述待查詢電話號碼的多個網頁；

通過預訓練的識別模型，從所述多個網頁中提取待選黃頁信息；

針對任一待選黃頁信息，根據與其對應的至少一個網頁所在來源網站的置信度權重進行加權計算，得到加權結果；

確定加權結果最大的待選黃頁信息作為所述待查詢電話號碼的黃頁信息。

2.根據權利要求1所述的黃頁信息獲取方法，其特征在于，所述預訓練的識別模型包括以下任一項：

預訓練的命名實體識別模型；

依據標注數據訓練得到的正則表達式集合。

3.根據權利要求1所述的黃頁信息獲取方法，其特征在于，在所述針對任一待選黃頁信息，根據與其對應的至少一個網頁所在來源網站的置信度權重進行加權計算之前，還包括：

確定各個來源網站的置信度權重。

4.根據權利要求3所述的黃頁信息獲取方法，其特征在于，所述確定各個來源網站的置信度權重，包括：

通過搜索引擎對已知黃頁信息的多個樣本電話號碼進行搜索，得到包括各個樣本電話號碼的多個待判斷網頁；

通過預訓練的命名實體識別模型，從各個待判斷網頁中分別提取待判斷黃頁信息；

將任一待判斷黃頁信息與相應的已知黃頁信息進行相似度計算；

根據計算確定的相似度，確定任一待判斷黃頁信息對應的待判斷網頁所在來源網站的置信度權重。

5.根據權利要求4所述的黃頁信息獲取方法，其特征在于，所述將任一待判斷黃頁信息與相應的已知黃頁信息進行相似度計算，包括：

對所述待判斷黃頁信息與相應的已知黃頁信息分別進行分詞處理，獲取所述待判斷黃頁信息的特征信息與所述已知黃頁信息的特征信息；

對所述待判斷黃頁信息的特征信息與所述已知黃頁信息的特征信息進行相似度計算。

6.根據權利要求5所述的黃頁信息獲取方法，其特征在于，所述特征信息，包括：

個人或企業名稱、電話、地址。

7.根據權利要求1-6任一項所述的黃頁信息獲取方法，其特征在于，該方法還包括：

對獲取到的黃頁信息進行過濾處理。

8.一種黃頁信息獲取裝置，其特征在于，包括：

查詢模塊，用于通過搜索引擎對待查詢電話號碼進行查詢，得到包含所述待查詢電話號碼的多個網頁；

提取模塊，用于通過預訓練的識別模型，從所述查詢模塊得到的所述多個網頁中提取待選黃頁信息；

加權計算模塊，用于針對所述提取模塊提取的任一待選黃頁信息，根據與其對應的至少一個網頁所在來源網站的置信度權重進行加權計算，得到加權結果；

確定模塊，用于確定所述加權計算模塊獲得的加權結果最大的待選黃頁信息作為所述待查詢電話號碼的黃頁信息。

9.一種電子設備，其特征在于，該電子設備包括：

處理器、存儲器和總線；

所述總線，用于連接所述處理器和所述存儲器；

所述存儲器，用于存儲操作指令；

所述處理器，用于通過調用所述操作指令，執行上述權利要求1-7中任一項所述的黃頁信息獲取方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質用于存儲計算機指令，當所述計算機指令在計算機上運行時，使得計算機可以執行上述權利要求1-7中任一項所述的黃頁信息獲取方法。