Patent search ap:("中国科学院信息工程研究所") AND inv:"张恺航" Page 1

1.

发明公开
一种融合话题特征的新闻内容在线抽取方法及系统无效

公开(公告)号：CN108491414A

公开(公告)日：2018-09-04

申请号：CN201810111700.6

申请日：2018-02-05

Applicant: 中国科学院信息工程研究所

Inventor： 谭建龙 , 张闯 , 陈小军 , 张恺航

IPC: G06F17/30 , G06K9/00

Abstract: 本发明提供一种融合话题特征的新闻内容在线抽取方法，步骤包括：将新闻页面的html转化为DOM树，将所有文本节点按照先序遍历的顺序排列；对每一个文本节点的文本进行分词，去除停用词，获取关键词；基于所述关键词，生成局部最大相容类，获得整个页面产生的全部话题，计算每个话题权重特征；将包含所述权重特征的话题特征以及非内容特征量化成证据的形式，使用DS证据理论进行特征融合，获得文本节点是正文的概率；将所述概率进行平滑处理，使用Otsu算法计算使得类间方差最大的分割阈值，获得高特征值的文本节点并将其作为新闻正文。本发明还提供一种融合话题特征的新闻内容在线抽取系统。

Patent Agency Ranking