[發(fā)明專利]一種頁面元素分類方法、解析器、介質(zhì)及設(shè)備在審
| 申請?zhí)枺?/td> | 202110378864.7 | 申請日： | 2021-04-08 |
| 公開（公告）號： | CN113065600A | 公開（公告）日： | 2021-07-02 |
| 發(fā)明（設(shè)計(jì)）人： | 游海濤;梁興通;王琳;楊豐佳 | 申請（專利權(quán)）人： | 易聯(lián)眾信息技術(shù)股份有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06F8/20 |
| 代理公司： | 廈門加減專利代理事務(wù)所(普通合伙) 35234 | 代理人： | 李強(qiáng);楊澤奇 |
| 地址： | 361008 福建省廈*** | 國省代碼： | 福建;35 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 頁面 元素 分類 方法 解析 介質(zhì) 設(shè)備 | ||
1.一種頁面元素分類方法，其特征在于，包括以下步驟：
S100：提取已知頁面元素并分類，對已分類的所述已知頁面元素進(jìn)行元素特征提取；
S200：建立邏輯回歸模型，對所述邏輯回歸模型進(jìn)行分類訓(xùn)練；
S300：根據(jù)訓(xùn)練完成的所述邏輯回歸模型，對頁面文件上的頁面元素進(jìn)行分類。
2.根據(jù)權(quán)利要求1所述的一種頁面元素分類方法，其特征在于：根據(jù)所述已知頁面元素的功能特點(diǎn)進(jìn)行分類，所述已知頁面元素包括但不限于展示元素、可操作元素、列表元素或外部元素；
通過判斷所述元素特征包含的影響因子，對比所述影響因子的內(nèi)容、順序或比重確定元素類型，再根據(jù)所述元素類型提取所述元素特征，所述元素特征包括但不限于標(biāo)簽、結(jié)構(gòu)、命名習(xí)慣或?qū)傩允录?/p>
3.根據(jù)權(quán)利要求2所述的一種頁面元素分類方法，其特征在于：基于Logistic分布函數(shù)建立所述邏輯回歸模型，所述Logistic分布函數(shù)為
其中，μ為位置參數(shù)，γ0為形狀參數(shù)。
4.根據(jù)權(quán)利要求3所述的一種頁面元素分類方法，其特征在于：使用獨(dú)熱編碼進(jìn)行特征編碼提取所述元素特征，所述元素特征對應(yīng)的所述影響因子為已知影響因子時(shí)，所述元素特征形成分類樣本；
通過所述分類樣本對所述邏輯回歸模型進(jìn)行分類訓(xùn)練，再擬合決策邊界建立決策邊界與分類訓(xùn)練概率之間的聯(lián)系，使所述邏輯回歸模型得到頁面元素的分類概率。
5.根據(jù)權(quán)利要求4所述的一種頁面元素分類方法，其特征在于：所述元素特征對應(yīng)的所述影響因子為未知影響因子時(shí)，利用穩(wěn)定性選擇方法中的隨機(jī)邏輯回歸進(jìn)行特征篩選，再利用篩選后的補(bǔ)充元素特征添加到所述邏輯回歸模型中，反向傳播和修正所述邏輯回歸模型中的元素特征及對應(yīng)的影響因子。
6.根據(jù)權(quán)利要求1所述的一種頁面元素分類方法，其特征在于，對頁面文件上的文件頁面元素進(jìn)行分類包括以下步驟：
S301：提取頁面文件上的頁面元素；
S302：將提取的所述頁面元素輸入至已訓(xùn)練完成的所述邏輯回歸模型；
S303：所述邏輯回歸模型輸出分類完成的頁面元素組。
7.根據(jù)權(quán)利要求6所述的一種頁面元素分類方法，其特征在于：步驟301中，在頁面文件上使用XPath的模糊查找，基于document逐層解析Dom節(jié)點(diǎn)，進(jìn)行頁面元素的提取。
8.一種頁面元素分類解析器，其特征在于，包括：
元素提取模塊，用于提取已知頁面元素并分類，對已分類的所述已知頁面元素進(jìn)行元素特征提取；
建模訓(xùn)練模塊，用于建立邏輯回歸模型，對所述邏輯回歸模型進(jìn)行分類訓(xùn)練；
元素分類模塊，用于根據(jù)訓(xùn)練完成的所述邏輯回歸模型，對頁面文件上的頁面元素進(jìn)行分類。
9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于：所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)指令，所述計(jì)算機(jī)被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的一種頁面元素分類方法。
10.一種計(jì)算機(jī)設(shè)備，其特征在于：包括至少一個(gè)處理器、及與所述處理器通信連接的存儲器，其中所述存儲器存儲可被至少一個(gè)處理器執(zhí)行的指令，所述指令被至少一個(gè)處理器執(zhí)行，以使所述處理器執(zhí)行如權(quán)利要求1-7任一項(xiàng)所述的一種頁面元素分類方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于易聯(lián)眾信息技術(shù)股份有限公司，未經(jīng)易聯(lián)眾信息技術(shù)股份有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202110378864.7/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別；數(shù)據(jù)表示；記錄載體；記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形，例如，指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測或校正，例如，用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的，例如，由不同形狀的各個(gè)筆畫組成的，而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理，即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
