公开(公告)号：CN103678432A

公开(公告)日：2014-03-26

申请号：CN201310116907.X

申请日：2013-04-07

Applicant: 南京邮电大学

Inventor： 成卫青 ,  于静 ,  洪龙 ,  杨庚 ,  黄卫东 ,  梁胜

IPC: G06F17/30

CPC classification number: G06F17/30896

Abstract: 本发明基于网页主体特征和中介真值的网页主体识别和提取方法是一种Web信息抽取过程中进行主体识别的解决方案。主要用于解决主体识别存在的通用性不强、准确度有待提高的问题，属于Web信息处理领域。本发明的特征：通过考察网页结点树中每个结点的子树数、平均子树分支数、可显示字符数和子树分支数极差等属性，从多角度判别每个结点是主体结点的真值程度，再综合各个角度的评判结果识别出网页的主体结点，从而具有较高的网页主体识别准确度；而且本发明能够针对每个网页自动设定中介真值程度计算所需要各个属性的界值，多角度判别和自动设定界值一起使本发明通用性强，适用于各种类型网页的主体识别和提取。

公开(公告)号：CN103678432B

公开(公告)日：2016-11-16

申请号：CN201310116907.X

申请日：2013-04-07

Applicant: 南京邮电大学

Inventor： 成卫青 ,  于静 ,  洪龙 ,  杨庚 ,  黄卫东 ,  梁胜

IPC: G06F17/30

Abstract: 本发明基于网页主体特征和中介真值的网页主体识别和提取方法是一种Web信息抽取过程中进行主体识别的解决方案。主要用于解决主体识别存在的通用性不强、准确度有待提高的问题，属于Web信息处理领域。本发明的特征：通过考察网页结点树中每个结点的子树数、平均子树分支数、可显示字符数和子树分支数极差等属性，从多角度判别每个结点是主体结点的真值程度，再综合各个角度的评判结果识别出网页的主体结点，从而具有较高的网页主体识别准确度；而且本发明能够针对每个网页自动设定中介真值程度计算所需要各个属性的界值，多角度判别和自动设定界值一起使本发明通用性强，适用于各种类型网页的主体识别和提取。