首页> 中国专利> 基于中文标点符号的三重网页文本内容识别及过滤方法

基于中文标点符号的三重网页文本内容识别及过滤方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

一种基于中文标点符号的三重网页文本内容识别及过滤方法。该方法针对现有的基于URL、基于关键字的网页信息过滤方法中存在的滤准率和滤全率低的问题，提出了一种复合型的基于URL、基于关键字、以及基于文本向量空间知识表示方法的网页文本内容过滤方法。采用基于黑白名单的URL地址过滤方法；采用中文标点符号的统计特征来有效地去除导航信息、相关链接信息、广告链接信息、版权信息等网页内容噪声信息，提取文本内容；采用向量空间模型进行文本知识表示，通过计算文本向量与不良信息模版中特征向量间的夹角余弦，与设定的阈值相比较，确定文本所属类别。该发明可广泛地应用于网络不良信息的过滤及网页个性化信息服务领域。

著录项

公开/公告号CN101035128B

专利类型发明专利
公开/公告日2010-04-21

原文格式PDF
申请/专利权人大连理工大学;
展开▼

申请/专利号CN200710011057.1
发明设计人宋明秋;吴新涛;
展开▼

申请日2007-04-18
分类号H04L29/06(20060101);G06F17/30(20060101);G06F17/27(20060101);H04L12/24(20060101);
代理机构21200 大连理工大学专利中心;
代理人侯明远;李宝元
地址 116024 辽宁省大连市甘井子区凌工路2号
入库时间 2022-08-23 09:04:18

法律信息

法律状态公告日

法律状态信息

法律状态
2019-04-05

未缴年费专利权终止 IPC(主分类):H04L 29/06 授权公告日:20100421 终止日期:20180418 申请日:20070418

专利权的终止
2010-04-21

授权

授权
2010-04-21

授权

授权
2007-11-07

实质审查的生效

实质审查的生效
2007-11-07

实质审查的生效

实质审查的生效
2007-09-12

公开

公开
2007-09-12

公开

公开

查看全部

相似文献

专利
中文文献
外文文献

1. 基于中文标点符号的三重网页文本内容识别及过滤方法 [P] . 中国专利： CN101035128B . 2010.04.21
2. 一种基于文本内容的网页信息过滤方法 [P] . 中国专利： CN106096054A . 2016-11-09
3. Method and system of adding punctuation and establishing language model using a punctuation weighting applied to chinese speech recognized text [P] . 美国专利： US9811517B2 . 2017-11-07

机译：应用于中文语音识别文本的使用标点符号加权的添加标点符号和建立语言模型的方法和系统
4. Internet page text contents controlling software, has instructions to find and retrieve web pages of domain, and check and compare contents based on preset list, which can contain illegal or undesirable terms, texts, data and/or expressions [P] . 德国专利： DE102005030126A1 . 2007-01-25

机译：互联网页面文本内容控制软件，具有查找和检索域的网页以及基于预设列表检查和比较内容的指令，该预设列表可能包含非法或不受欢迎的术语，文本，数据和/或表达式
5. Method for performing semantic search in e.g. political ontology, based on text segment in semantic web, involves designing pattern in document, and performing semantic search in ontology by application based on designed pattern [P] . 瑞士专利： CH704148A2 . 2012-05-31

机译：在例如网页中执行语义搜索的方法基于语义网中文本段的政治本体，包括在文档中设计模式，并根据基于所设计的模式的应用程序在本体中进行语义搜索