[發明專利]一種網頁信息提取方法及裝置

在審

• 申請號: 202110725319.0
• 申請日: 2021-06-29
• 公開（公告）號: CN113434797A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 李成鋼;楊本棟;李忠;李金嶺;杜忠田;王彥君;夏海輪;張碧昭;余清華;卜理超;張天正;李鳳文;袁福碧
• 申請（專利權）人: 中國電信集團系統集成有限責任公司
• 主分類號: G06F16/957
• 分類號: G06F16/957
• 代理公司: 北京知匯林知識產權代理事務所(普通合伙) 11794
• 代理人: 董濤

1.一種網頁信息提取方法，其特征在于，包括：

獲取待識別網頁數據；

根據視覺信息算法對所述待識別網頁數據進行分塊，得到網頁視覺塊；

將所述網頁視覺塊進行標注，得到待提取元數據；

對所述待提取元數據進行提取操作，得到目標數據。

2.根據權利要求1所述的方法，其特征在于，在所述獲取待識別網頁數據之后，所述方法還包括：

對所述待識別網頁數據進行預處理。

3.根據權利要求1所述的方法，其特征在于，在所述將所述網頁視覺塊進行標注，得到待提取元數據之前，所述方法還包括：

根據所述網頁視覺塊，選取網頁主體區域。

4.根據權利要求1所述的方法，其特征在于，所述對所述待提取元數據進行提取操作，得到目標數據包括：

獲取隨機場模型；

根據所述隨機場模型對所述待提取元數據進行提取，得到提取結果；

將所述提取結果進行輸出，并生成所述目標數據。

5.一種網頁信息提取裝置，其特征在于，包括：

獲取模塊，用于獲取待識別網頁數據；

分塊模塊，用于根據視覺信息算法對所述待識別網頁數據進行分塊，得到網頁視覺塊；

標注模塊，用于將所述網頁視覺塊進行標注，得到待提取元數據；

提取模塊，用于對所述待提取元數據進行提取操作，得到目標數據。

6.根據權利要求5所述的裝置，其特征在于，所述裝置還包括：

預處理模塊，用于對所述待識別網頁數據進行預處理。

7.根據權利要求5所述的裝置，其特征在于，所述裝置還包括：

選取模塊，用于根據所述網頁視覺塊，選取網頁主體區域。

8.根據權利要求5所述的裝置，其特征在于，所述提取模塊包括：

模型單元，用于獲取隨機場模型；

提取單元，用于根據所述隨機場模型對所述待提取元數據進行提取，得到提取結果；

輸出單元，用于將所述提取結果進行輸出，并生成所述目標數據。

9.一種非易失性存儲介質，其特征在于，所述非易失性存儲介質包括存儲的程序，其中，所述程序運行時控制非易失性存儲介質所在的設備執行權利要求1至4中任意一項所述的方法。

10.一種電子裝置，其特征在于，包含處理器和存儲器；所述存儲器中存儲有計算機可讀指令，所述處理器用于運行所述計算機可讀指令，其中，所述計算機可讀指令運行時執行權利要求1至4中任意一項所述的方法。