网络搜索中基于多种规则的元数据自动抽取方法

摘要

本发明提供了一种网络搜索中基于多种规则的元数据自动抽取方法，属于网络搜索技术领域。该方法包括以下步骤：(1)对粗糙网页进行预处理，将所有网页归一为比较规范的格式；(2)对网页文档中包括所要提取的信息的网页内容进行初步定位；(3)按照指定的规则从预定位提取出的内容中提取元数据。本发明的方法首先将核心区域与大范围的无用信息区别开，而后再针对核心区域进行规则提取，使得提取准确度得到了大幅度提高。本发明的方法还能够按照多种规则对网页中的元数据进行抽取，多种规则根据给定的优先级判断匹配顺序，并按照两步抽取的方法进行精细化处理。

主权项

1.网络搜索中基于多种规则的元数据自动抽取方法，其特征在于，包括以下步骤：(1)对粗糙网页进行预处理，将所有网页归一为比较规范的格式；(2)对网页文档中包括所要提取的信息的网页内容进行预定位；(3)按照指定的规则从预定位提取出的内容中提取元数据。