一种Web结构化数据快速提取方法及系统

    公开(公告)号:CN109948018B

    公开(公告)日:2021-05-25

    申请号:CN201910021939.9

    申请日:2019-01-10

    Abstract: 本发明是一种Web结构化数据快速提取方法,步骤包括:层次遍历目标网站页面当中的网址链接,并以列表形式记录所有网站的网址和对应的网址跳转顺序;从上述列表中识别目标网页的网址,并记录对应的网址跳转顺序,按目标网站到目标网页访问的先后顺序进行网址拼接,生成访问目标网页的网址跳转顺序;根据贪心随机自适应搜索算法找出访问目标网页的最优网址跳转顺序;根据上述最优网址跳转顺序访问目标网页,层次遍历目标页面的所有数据项标签,找到所有目标数据项标签;从上述所有目标数据项标签中找出最短标签路径;根据上述最优网址跳转顺序和最短路径爬取目标网页的目标数据。本发明还提供一种Web结构化数据快速提取系统。

    一种文本语言关联关系标注方法和装置

    公开(公告)号:CN111737951A

    公开(公告)日:2020-10-02

    申请号:CN201910212664.7

    申请日:2019-03-20

    Abstract: 本发明公开一种文本语言关联关系标注方法和装置。利用文本语言各信息抽取子任务的紧密关联性,设计一种不依赖具体模型的复合标注方法,能够自然地融合多种文本语言信息抽取任务,实现多种文本语言关联任务的联合学习与一体化的训练,如支持命名实体识别与命名实体标准化的联合学习、支持命名实体识别与实体关系抽取的联合学习、支持命名实体识别与实体消歧的联合学习等。本发明提出的文本语言关联关系复合标注方法,充分地利用了文本语言信息抽取的各子任务之间的紧密关联性,实现完全的联合学习,使得各关联任务之间可以信息共享相互促进,总体提升文本语言信息抽取的准确率与召回率。

Patent Agency Ranking