| 发明名称 | 网页正文内容提取方法及装置 | ||
| 摘要 | 本发明公开了一种网页正文内容提取方法及装置，该方法包括步骤：将需提取正文内容的网页划分成各内容块；针对划分出的每个内容块分别执行：确定该内容块的链接文本长度及非链接文本长度；并根据确定出的链接文本长度和非链接文本长度，确定该内容块对应的链接文本密度；在链接文本密度不大于预设的第一规定阈值时，确定该内容块为该网页的正文内容。采用本发明技术方案，解决了现有技术中存在的提取网页正文内容准确性较低的问题。 | ||
| 申请公布号 | CN102810097A | 申请公布日期 | 2012.12.05 |
| 申请号 | CN201110147583.7 | 申请日期 | 2011.06.02 |
| 申请人 | 高德软件有限公司 | 发明人 | 朱海军;姜吉发 |
| 分类号 | G06F17/30(2006.01)I | 主分类号 | G06F17/30(2006.01)I |
| 代理机构 | 北京同达信恒知识产权代理有限公司 11291 | 代理人 | 郭红丽 |
| 主权项 | 一种网页正文内容提取方法，其特征在于，包括：将需提取正文内容的网页划分成各内容块；针对划分出的每个内容块分别执行：确定该内容块的链接文本长度及非链接文本长度；并根据确定出的链接文本长度和非链接文本长度，确定该内容块对应的链接文本密度；在链接文本密度不大于预设的第一规定阈值时，确定该内容块为该网页的正文内容。 | ||
| 地址 | 102200 北京市昌平区科技园区昌盛路8号B1座1-5层 | ||