[发明专利]互联网金融项目信息抽取方法和系统

摘要

本发明涉及一种互联网金融项目信息抽取方法和系统，包括：获取包含金融项目信息的训练网页，为训练网页划分目标项目区域，并为目标项目区域中的DOM树节点标注属性标签，根据训练网页的二维图像、HTML代码、DOM树，抽取DOM树节点的特征向量作为训练数据，训练属性标注模型；获取金融项目信息的待抽取网页，将待抽取网页的DOM树，确定待抽取网页的目标项目区域，根据待抽取网页的目标项目区域中项目列表是否为表格，执行相应的抽取步骤。本发明通过将两种不同特点的互联网金融项目列表分开并对应使用不同的抽取方法，极大的提高了抽取的效率和准确率。

主权项

1.一种互联网金融项目信息抽取方法，其特征在于，包括：训练步骤，获取包含金融项目信息的训练网页，将该训练网页的HTML代码转换为DOM树，为该训练网页划分目标项目区域，并为目标项目区域中的DOM树节点标注属性标签，根据该训练网页的二维图像、HTML代码、DOM树，抽取该DOM树节点的特征向量作为训练数据，训练属性标注模型；判断步骤，获取金融项目信息的待抽取网页，将该待抽取网页的HTML代码转换为DOM树，以确定该待抽取网页的目标项目区域，判断该待抽取网页的目标项目区域中项目列表是否为表格形式，若是，则执行表格抽取步骤，否则执行非表格抽取步骤；表格抽取步骤，利用表格的结构化特征，抽取表格中文字对应的属性标签，作为该待抽取网页的金融项目信息抽取结果；非表格抽取步骤，根据该待抽取网页的DOM树，分割该目标项目区域中的属性节点，将该属性节点的特征向量输入至该属性标注模型，得到该属性节点的属性标签，作为该待抽取网页的金融项目信息抽取结果。