发明名称 |
一种基于WEB文档的自动摘要方法 |
摘要 |
本发明公开了一种基于WEB文档的自动摘要方法,具体包括以下几个步骤:(1)利用Html文档对象模型标签树抓取WEB文档正文信息;(2)对抓取的WEB文档正文信息进行分块、分句;(3)对抓取的WEB文档正文信息,依据关键词库进行分词,分词后去除无意义的非关键词,并将网络新词及专业词语扩充到关键词库,对于网络上已停用的非关键词,扩充到非关键词库;(4)计算分词权值和分句、分块权值;(5)根据摘要精细程度,选择分块、分句的个数,最后从中选出权值最高的几个分块、分句形成文档摘要信息。本发明能够分析WEB文档信息,给用户提供简洁的、信息全面的页面内容的概要,以提高用户获取信息的效率。 |
申请公布号 |
CN104361081A |
申请公布日期 |
2015.02.18 |
申请号 |
CN201410642510.9 |
申请日期 |
2014.11.13 |
申请人 |
河海大学 |
发明人 |
刘文婷 |
分类号 |
G06F17/30(2006.01)I;G06F17/27(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
南京纵横知识产权代理有限公司 32224 |
代理人 |
董建林;汪庆朋 |
主权项 |
一种基于WEB文档的自动摘要方法,其特征在于,具体包括以下几个步骤:(1)利用Html文档对象模型标签树抓取WEB文档正文信息;(2)对抓取的WEB文档正文信息进行分块、分句;(3)对抓取的WEB文档正文信息,依据关键词库进行分词,分词后去除无意义的非关键词,并将网络新词及专业词语扩充到关键词库,对于网络上已停用的非关键词,扩充到非关键词库;(4)计算分词权值和分句、分块权值;(5)根据摘要精细程度,选择分块、分句的个数,最后从中选出权值最高的几个分块、分句形成文档摘要信息。 |
地址 |
211100 江苏省南京市江宁区佛城西路8号 |