买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京海卓飞网络科技有限公司申请的专利基于图文的网页正文提取方法、装置、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116386068B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310300637.1，技术领域涉及：G06V30/41；该发明授权基于图文的网页正文提取方法、装置、设备及存储介质是由洪丰;黄敏;周伟杰;熊善良;蔡文笔;韦有朋设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本基于图文的网页正文提取方法、装置、设备及存储介质在说明书摘要公布了：本发明涉及大数据技术，揭露了一种基于图文的网页正文提取方法、装置、设备及存储介质。所述方法包括：抓取目标网页的超文本标记数据及网页图像；对所述网页图像进行对象识别，得到正文文本块集合及图片区域集合；根据图文冲突筛选规则及所述正文文本块集合，对所述图片区域集合进行正文区域筛选，得到正文图片区域集合；对各个正文文本块进行文本识别，得到正文文本序列，并对各个正文文本序列标记文本序号；根据正文图片区域的上下文相邻的正文文本序列的文本序号，对所述超文本标记数据进行查询得到正文图像数据；对不完整的正文文本序列进行超文本标记数据查询，得到正文文本数据。本发明可以增加网络正文爬取的效率及普遍性。

本发明授权基于图文的网页正文提取方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于图文的网页正文提取方法，其特征在于，所述方法包括：根据预设关键词检索得到目标网页，并抓取所述目标网页的超文本标记数据，及截取所述目标网页的网页图像；利用预训练的图片文本识别模型，对所述网页图像进行对象识别，并对对象识别结果执行标记框选操作，得到正文文本块集合及图片区域集合；根据预设的图文冲突筛选规则及所述正文文本块集合，对所述图片区域集合进行正文区域筛选，得到正文图片区域集合；对所述正文文本块集合中的各个正文文本块进行文本识别，得到正文文本序列，并对各个所述正文文本序列进行文本序号的标记操作；根据所述正文图片区域集合中各个正文图片区域的上下文相邻的正文文本序列的文本序号，对所述超文本标记数据进行查询，得到正文图像数据；判断各个所述正文文本序列的语句完整性；根据语句不完整的正文文本序列，对所述超文本标记数据进行查询，得到正文文本数据；将语句完整的正文文本序列、所述正文文本数据及所述正文图像数据存储至预构建的数据库中。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京海卓飞网络科技有限公司，其通讯地址为：102300 北京市门头沟区石龙经济开发区永安路20号3号楼B1-3636室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。