技术编号:18196872
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。本发明涉及大数据处理技术领域,尤其涉及一种提取新闻网页正文的方法及装置。背景技术网页内容提取技术被广泛应用在互联网服务和应用中,例如:信息检索、文本自动分类、话题跟踪、机器翻译及自动摘要等。从网页中提取出高质量的正文对以上应用非常关键。新闻网页正文提取属于网页内容提取中重要的一类。新闻网页正文的提取是指将网页中新闻的正文部分准确提取出来,不能将正文下方的评论信息、广告内容、侧边栏的推荐文章及广告等提取出来。比较常规的新闻网页内容是正文文本量比较多,文字较为集中。现有对于正文抽取的方法也都普遍适用...
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。