- 1、本文档共9页,其中可免费阅读8页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于网页标签分布特征的网络新闻数据自动清洗的方法和系统,利用离线爬虫系统爬取网络新闻数据:对爬取的离线新闻数据进行树节点解析,提取节点当中的标签名称、属性、文本、链接等属性信息;采用基于n‑gram2vec的思想通过当前节点预测其他节点块信息,通过训练得到标签的词嵌入信息基于预训练的词嵌入信息构建智能模型判别系统,决定平铺的节点的去留:智能模型根据文章标签的类型分为文本判别模型和图片判别模型,两类模型采用不同特征工程进行训练,最终进行预测,将二者结果根据之前的节点序列组合起来。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112270172 A
(43)申请公布日 2021.01.26
(21)申请号 202011130052.2 G06F 16/35 (2019.01)
(22)申请日 2
文档评论(0)