一种基于页面分块的图片摘要提取系统及方法

摘要

本发明公开了一种基于页面分块的图片摘要提取系统，包括页面预处理模块、页面分类模块、页面分块模块、主题块识别模块和信息提取模块。本发明还公开了一种基于页面分块的图片摘要提取方法，具体包括：步骤S1、从Internet上把页面抓取下来；步骤S2、页面预处理模块对页面进行预处理；步骤S3、页面分类模块对预处理后的页面分类；步骤S4、页面分块模块进行语义块划分；步骤S5、页面分块模块将主题型页面发送到主题块识别模块，主题块识别模块识别出主题块，并发送给信息提取模块；页面分块模块将非主题型页面发送到信息提取模块；步骤S6、信息提取模块下载图片并与页面关联。本发明具有提取速度快、准确度高、效果好的优点。

主权项

一种基于页面分块的图片摘要提取系统，其特征在于，包括：页面预处理模块，用于对页面进行预处理，并把预处理后的页面发送给页面分类模块；页面分类模块，用于对预处理后的页面进行分类，分为主题型页面或非主题型页，并将分类后的页面发送给页面分块模块；页面分块模块，用于根据布局标签和视觉特性对页面进行语义块划分，并将分块后的主题型页面发送到主题块识别模块，将分块后的非主题型页面发送到信息提取模块；主题块识别模块，用于从分块后的主题型页面中识别出主题块，并把主题块发送给信息提取模块；和信息提取模块，用于对分块后的页面中的图片进行过滤，获取图片URL，下载图片并将压缩的图片保存路径写入索引，与页面关联。