【技术实现步骤摘要】
信息提取方法、装置、电子设备和介质
[0001]本公开涉及计算机
，尤其涉及数据挖掘技术、云计算及云服务
，特别涉及一种信息提取方法、装置、电子设备和介质。
技术介绍
[0002]随着网络技术的发展，互联网中存在着大量的网页信息，如何从大量的网页信息中，取得有用的信息，成为网页信息获取的关键问题。
[0003]目前对于网页信息的提取，通常是基于人工设置信息提取模板的方式实现的。
技术实现思路
[0004]本公开提供了一种用于提取目标站点中包括的文献信息的方法、装置、电子设备和介质。
[0005]根据本公开的一方面，提供了一种信息提取方法，包括：
[0006]确定目标站点待提取的目标文献属性；
[0007]根据所述目标文献属性在所述目标站点中的目标位置信息，对所述目标站点进行信息提取；其中，所述目标位置信息根据所述目标站点的页面标题和候选文献的文献标题得到。
[0008]根据本公开的另一方面，提供了一种信息提取装置，包括：
[0009]目标文献属性确定...
【技术保护点】
【技术特征摘要】
1.一种信息提取方法，包括：确定目标站点待提取的目标文献属性；根据所述目标文献属性在所述目标站点中的目标位置信息，对所述目标站点进行信息提取；其中，所述目标位置信息根据所述目标站点的页面标题和候选文献的文献标题得到。2.根据权利要求1所述的方法，根据所述目标文献属性在所述目标站点中的目标位置信息，对所述目标站点进行信息提取之前，还包括：获取所述目标站点包括的候选页面标题，并将候选文献的文献标题与所述候选页面标题进行匹配，并根据匹配结果确定目标文献标题；从候选文献中确定所述目标文献标题对应的目标文献，并根据所述目标文献中所述目标文献属性的目标属性值，确定所述目标文献属性在所述目标站点中的目标位置信息。3.根据权利要求2所述的方法，其中，所述根据所述目标文献中所述目标文献属性的目标属性值，确定所述目标文献属性在所述目标站点中的目标位置信息，包括：获取与所述目标文献标题匹配的至少一个目标页面标题，并确定各所述目标页面标题分别关联的页面源码；将所述目标属性值在各所述页面源码中进行匹配，确定与所述目标属性值匹配的至少一个源码字段；根据各所述源码字段在所属页面中分别对应的当前页面节点，确定所述目标文献属性在所述目标站点中的至少一个目标页面节点，作为所述目标位置信息。4.根据权利要求3所述的方法，其中，所述根据各所述源码字段在所属页面中分别对应的当前页面节点，确定所述目标文献属性在所述目标站点中的至少一个目标页面节点，包括：若任一所述源码字段对应的所述当前页面节点，在该源码字段所属页面中的数量至少为两个，则根据所述当前页面节点以及所述当前页面节点的至少一级父节点，确定该源码字段对应的组合页面节点；若所述组合页面节点在该源码字段所属页面中的数量为一个，则将所述组合页面节点作为所述目标页面节点。5.根据权利要求3所述的方法，其中，所述根据各所述源码字段在所属页面中分别对应的当前页面节点，确定所述目标文献属性在所述目标站点中的至少一个目标页面节点，包括：若任一所述源码字段对应的所述当前页面节点，在该源码字段所属页面中的数量为一个，则将该源码字段对应的所述当前页面节点作为所述目标页面节点。6.根据权利要求3所述的方法，其中，所述根据所述目标文献属性在所述目标站点中的目标位置信息，对所述目标站点进行信息提取，包括：根据各所述目标页面节点在各所述页面中的总数量，确定各所述目标页面节点的优先级；根据各所述目标页面节点，以及各所述目标页面节点的所述优先级，对所述目标站点进行信息提取。7.根据权利要求2所述的方法，其中，所述将候选文献的文献标题与所述候选页面标题进行匹配，包括：
在候选文献的文献标题为中文标题的情况下，基于模糊匹配算法将所述文献标题与所述候选页面标题进行匹配；在候选文献的文献标题为英文标题的情况下，基于字符匹配算法将所述文献标题与所述候选页面标题进行匹配。8.根据权利要求1所述的方法，其中，所述目标文献属性包括摘要、作者、机构、年份、期刊、刊号、关键词或文献标识中的至少一种。9.一种信息提取装置，包括：目标文献属性确定模块，用于确定目标站点待提取的目标文献属性；信息提取模块，用于根据所述目标文献属性在...
【专利技术属性】
技术研发人员：李渝洁，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。