公开(公告)号：CN100442278C

公开(公告)日：2008-12-10

申请号：CN200410057064.1

申请日：2004-08-25

Applicant: 富士通株式会社 ,  南京大学

Inventor： 王俊 ,  王继成 ,  武港山 ,  津田宏

IPC: G06F17/30

Abstract: 本发明提出了一种网页信息块提取装置和方法。在本发明中，首先生成网页的结构信息块树，并对结构信息块进行分类归并和合并，对进行分类归并的结构信息块的语义进行标记，从而根据内容和功能把网页分割为信息块。特别地，结构层次的自动重复模式发现和语义层次的分类归并是实现本发明的方法和装置的基础和保证。根据本发明的方法和装置，网页处理的粒度从整个页面扩展为页面内的信息块，使网页更容易由机器处理。本发明的方法和装置可以应用于几乎所有类型的网页。

公开(公告)号：CN1763740A

公开(公告)日：2006-04-26

申请号：CN200410057064.1

申请日：2004-08-25

Applicant: 富士通株式会社 ,  南京大学

Inventor： 王俊 ,  王继成 ,  武港山 ,  津田宏

IPC: G06F17/30

Abstract: 本发明提出了一种网页信息块提取装置和方法。在本发明中，首先生成网页的结构信息块树，并对结构信息块进行分类归并和合并，对结果块的语义进行标记，从而根据内容和功能把网页分割为信息块。特别地，结构层次的自动重复模式发现和语义层次的分类归并是实现本发明的方法和装置的基础和保证。根据本发明的方法和装置，网页处理的粒度从整个页面扩展为页面内的信息块，使网页更容易由机器处理。本发明的方法和装置可以应用于几乎所有类型的网页。