技术编号：12748025
提示：您尚未登录，请点 登 陆 后下载，如果您还没有账户请点 注 册 ，登陆完成后，请刷新本页查看技术详细信息。本发明涉及网页解析技术领域，具体而言，涉及一种网页解析中网页正文重复内容的识别方法及装置。背景技术页面解析，例如，Html页面解析，是互联网数据挖掘技术中的重要环节。通过Html页面解析在网页页面中准确地抽取出各种特征，是后续数据挖掘中其它任务的前提。其中，网页正文是网页页面特征中重要的特征。由于网页格式千变万化，导致抽取网页正文非常困难。通常，相关技术是通过合并网页中文本段落来抽取网页正文，然而带有评论的网站具有一个明显的特点，即每一条评论内容中都带有指向正文的节点，如果通过上述网页正文的抽取...
注意：该技术已申请专利，请尊重研发人员的辛勤研发付出，在未取得专利权人授权前，仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权，增加技术思路，做技术知识储备，不适合论文引用。
请注意，此类技术没有源代码，用于学习研究技术思路。