[发明专利]基于频繁子树来导出记录模板的方法有效
| 申请号： | 201110245084.1 | 申请日： | 2011-08-16 |
| 公开（公告）号： | CN102955796A | 公开（公告）日： | 2013-03-06 |
| 发明（设计）人： | 徐鹏;陈正 | 申请（专利权）人： | 微软公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海专利商标事务所有限公司 31100 | 代理人： | 胡利鸣;陆嘉 |
| 地址： | 美国华*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于频繁子树来导出记录模板的方法。该方法包括从网页中挖掘最大频繁子树和闭合频繁子树，对从网页挖掘出的最大频繁子树和闭合频繁子树进行分组。在分组内标识模板子树，该模板子树是仅包括所有必要节点的模板。基于标识出的模板子树来标识可选节点并消除噪音。并基于模板子树从各个节点中抽取结构化信息。 | ||
| 搜索关键词： | 基于 频繁 子树 导出 记录 模板 方法 | ||
【主权项】：
一种用于从网页中导出数据记录模板(data record template)的方法，所述方法包括：从网页中挖掘最大频繁子树(maximal frequent subtree)和闭合频繁子树(closed frequent subtree)，包括：计算频繁1‑子树(frequent‑1subtree)，所述频繁1‑子树是网页的文档对象模型DOM(document object model)树中仅具有一个节点的频繁子树；基于所述频繁1‑子树，通过最右扩展来枚举按频繁排序的导出的子树，所述最右扩展包括通过迭代地将新的子树附加到频繁子树的最右分支上的节点来增长频繁子树；将所有导出的子树区分为最大频繁子树和闭合频繁子树，其中导出的子树按频繁排序；对从网页挖掘出的最大频繁子树和闭合频繁子树进行分组；在分组内标识模板子树(TEN)，所述模板子树是仅包括所有必要节点的模板，基于模板子树来标识可选节点并消除噪音；以及基于模板子树从各个节点中抽取结构化数据，以导出数据记录模板。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于微软公司，未经微软公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201110245084.1/，转载请声明来源钻瓜专利网。
- 上一篇：可见光公路测速系统
- 下一篇：热介质加热装置及具备该装置的车辆用空调装置
