公开(公告)号：CN108399167B

公开(公告)日：2022-04-29

申请号：CN201710064455.3

申请日：2017-02-04

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 徐培治 ,  刘晓春 ,  秦首科 ,  马小林 ,  张泽明 ,  韩友 ,  马飞超 ,  江焱 ,  闵思文 ,  游斌

IPC: G06F16/957 ,  G06F16/951 ,  G06F16/955 ,  G06K9/62

Abstract: 本申请提出一种网页信息提取方法和装置，该方法包括：获取待提取网页的源代码和视觉信息；根据所述源代码和视觉信息，确定所述待提取网页中的区块信息；对所述区块信息进行聚类，提取所述待提取网页中的结构化信息。该方法能够提取到更有效的信息，进而可以在有限空间上展示更有效的信息，提高展示效率，降低成本。

公开(公告)号：CN106528655A

公开(公告)日：2017-03-22

申请号：CN201610906155.0

申请日：2016-10-18

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 马小林 ,  秦首科 ,  徐培治 ,  韩友 ,  张泽明 ,  刘晓春 ,  游斌 ,  叶志聪 ,  江焱

IPC: G06F17/30 ,  G06F17/27

Abstract: 本申请提出一种文本主题识别方法和装置，该文本主题识别方法包括：获取待识别的文本；获取已生成的文本主题识别模型，所述文本主题识别模型是根据训练数据生成的，所述训练数据包括收集的文本的特征和收集的文本对应的主题；根据所述文本主题识别模型对所述文本进行主题识别，识别出所述文本的主题。该方法能够提高识别出的文本主题的准确度。

公开(公告)号：CN108399167A

公开(公告)日：2018-08-14

申请号：CN201710064455.3

申请日：2017-02-04

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 徐培治 ,  刘晓春 ,  秦首科 ,  马小林 ,  张泽明 ,  韩友 ,  马飞超 ,  江焱 ,  闵思文 ,  游斌

IPC: G06F17/30

Abstract: 本申请提出一种网页信息提取方法和装置，该方法包括：获取待提取网页的源代码和视觉信息；根据所述源代码和视觉信息，确定所述待提取网页中的区块信息；对所述区块信息进行聚类，提取所述待提取网页中的结构化信息。该方法能够提取到更有效的信息，进而可以在有限空间上展示更有效的信息，提高展示效率，降低成本。