专利详情

专利名称	一种网页信息抽取的系统及方法
申请号	CN200910076548.3	专利类型	发明专利
公开（公告）号	CN101464905	公开（授权）日	2009.06.24
申请（专利权）人	中国科学院计算技术研究所	发明（设计）人	吴博;王宇;张刚;丁国栋;程学旗
主分类号	G06F17/30(2006.01)I	IPC主分类号	G06F17/30(2006.01)I
专利有效期	一种网页信息抽取的系统及方法至一种网页信息抽取的系统及方法	法律状态	实质审查的生效
说明书摘要	本发明涉及网页信息抽取的系统和方法，系统包括：模板生成模块，用于从网页集合中选取待自动标注网页，根据用户标注的训练网页将待自动标注网页分类，生成分类的类别的网页模板；网页同质化模块，用于依据网页模板屏蔽待自动标注网页同其所属类别的网页模板间的差异；自动标注模块，用于解析类别对应的训练网页，生成第一包装器文件，按第一包装器文件对待自动标注网页进行自动标注，以生成新的训练网页；包装器文件生成模块，用于解析所有训练网页，生成第二包装器文件；在线抽取模块，用于应用第二包装器文件对网页集合中未被选取的网页信息进行抽取。本发明能够对应不同类的网页生成多个模板，并对网页中多个记录和每个记录多个属性进行抽取。