[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

本申請實施例提供了一種黃頁信息獲取方法、裝置及電子設備。該方法包括：通過搜索引擎對待查詢電話號碼進行查詢，得到包含待查詢電話號碼的多個網頁；通過預訓練的識別模型，從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待查詢電話號碼的黃頁信息。本申請實施例實現了從大量雜亂的搜索數據中確定準確度和可信度較高的黃頁信息的目的，使得用戶通過搜索引擎的一步快捷查詢即可獲取到與其查詢電話號碼相匹配的精確度及可信度均較高的黃頁信息，從而提高了用戶的查詢體驗。

技術領域

本申請涉及互聯網技術領域，具體而言，本申請涉及一種黃頁信息獲取方法、裝置及電子設備。

背景技術

隨著互聯網技術的發展，各種各樣的信息都可以在網絡中獲取到。在人們想獲取一個電話號碼的黃頁信息時，也可以通過網絡進行搜索來獲取。

相關技術中，一般通過搜索引擎對電話號碼的黃頁信息進行搜索，搜索引擎會返回一系列的與所搜索的電話號碼相關的網頁，然后再由用戶從大量數據中查看和選擇自己所需的黃頁信息。

然而，本申請發明人發現，這些黃頁信息一般數量巨大而且雜亂無章，并且其準確性也無法保證，使得用戶在進行選擇時比較困難。

發明內容

本申請提供了一種黃頁信息獲取方法、裝置及電子設備，用于從大量雜亂的搜索數據中獲取較為準確的黃頁信息。

本申請的實施例根據第一方面，提供了一種黃頁信息獲取方法，該方法包括：

通過搜索引擎對待查詢電話號碼進行查詢，得到包含待查詢電話號碼的多個網頁；

通過預訓練的識別模型，從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待查詢電話號碼的黃頁信息。

在一種可能的實現方式中，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。

在一種可能的實現方式中，在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。

在一種可能的實現方式中，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。

在一種可能的實現方式中，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，獲取待判斷黃頁信息的特征信息與已知黃頁信息的特征信息；

對待判斷黃頁信息的特征信息與已知黃頁信息的特征信息進行相似度計算。

在一種可能的實現方式中，特征信息包括：

個人或企業名稱、電話、地址。