基于位置标记的网页信息抽取方法和装置

摘要

本发明公开了一种基于位置标记的网页信息抽取方法和装置。该基于位置标记的网页信息抽取方法，包括以下步骤：获取训练页面，训练页面中标注了至少一个属性，被标注属性的内容与网页中需要抽取的文本内容对应；获取训练页面中多个属性的前缀标签，前缀标签包括当前属性与前一属性之间的所有标签，多个属性包括被标注属性；在被标注属性的前缀标签中选取被标注属性的起始标记；在被标注属性之后的标签中选取结束标记；在需要抽取的网页中查询起始标记和结束标记，并抽取起始标记和结束标记之间的属性内容，以得到属性内容中包含的信息。使用本发明的技术方案，可避免出现人工编写抽取规则的效率低错误率高的问题，提高了网页信息提取的效率。

主权项

一种基于位置标记的网页信息抽取方法，包括以下步骤：获取训练页面，所述训练页面中标注了至少一个属性，被标注属性的内容与网页中需要抽取的文本内容对应；获取所述训练页面中多个属性的前缀标签，所述前缀标签包括当前属性与前一属性之间的所有标签，所述多个属性包括所述被标注属性；在所述被标注属性的前缀标签中选取所述被标注属性的起始标记；在所述被标注属性之后的标签中选取结束标记；在需要抽取的网页中查询所述起始标记和所述结束标记，并抽取所述起始标记和所述结束标记之间的属性内容，以得到所述属性内容中包含的信息。