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！

龙图腾网获悉北京道达天际科技股份有限公司申请的专利一种基于语义相似性的新闻网页正文提取方法及系统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：CN119783682B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510278653.4，技术领域涉及：G06F40/30；该发明授权一种基于语义相似性的新闻网页正文提取方法及系统是由张镇宇;韩前坤;陈思宇设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本一种基于语义相似性的新闻网页正文提取方法及系统在说明书摘要公布了：本发明公开了一种基于语义相似性的新闻网页正文提取方法及系统，属于数据处理技术领域。本发明方法，包括：针对目标新闻网页，基于语义相似性提取出目标新闻网页的新闻标题，并筛选出所述新闻标题的最相关段落；基于所述最相关段落，界定出与所述新闻标题对应的正文范围；在所述正文范围内，提取出新闻网页正文。本发明以标题为线索，使用文本语义作为搜索工具，继而界定正文范围，既强化了正文提取的正确性又保证了完整度。

本发明授权一种基于语义相似性的新闻网页正文提取方法及系统在权利要求书中公布了：1.一种基于语义相似性的新闻网页正文提取方法，其特征在于，包括： 针对目标新闻网页，基于语义相似性提取出目标新闻网页的新闻标题，并筛选出所述新闻标题的最相关段落； 基于所述最相关段落，界定出与所述新闻标题对应的正文范围； 在所述正文范围内，提取出新闻网页正文； 所述针对目标新闻网页，基于语义相似性提取出目标新闻网页的新闻标题，包括： 提取出目标新闻网页的多类标签，并确定每类标签文本内容的公共前缀长度； 若至少两类标签文本内容的公共前缀长度大于3，则将公共前缀长度大于3的文本内容的公共前缀作为新闻标题进行提取； 若未达到至少两类标签文本内容的公共前缀长度大于3，确定目标新闻网页的网页文档树叶子节点，并基于网页文档树叶子节点，筛选出预设长度的文本作为目标文本，对所述目标文本进行向量化处理，并对向量化处理的目标文本，两两计算语义相似性，选取出相似性得分总和最大的目标文本，作为新闻标题； 所述筛选出所述新闻标题的最相关段落，包括： 基于新闻标题，将网页文档树叶子节点，作为潜在文本段落，依次计算所述新闻标题和所述潜在文本段落的语义相似性，基于语义相似性，筛选出最相关段落； 所述基于所述最相关段落，界定出与所述新闻标题对应的正文范围，包括： 确定最相关段落的潜在段落节点，并在网页文档树上，查找与所述潜在段落节点最近的公共祖先节点，并将所述公共祖先节点，作为潜在新闻正文根标签，全部查找完成后，对所述潜在新闻正文根标签统计，将出现次数最多的所述潜在新闻正文根标签，作为正文根标签，以所述正文根标签界定正文范围； 所述在所述正文范围内，提取出新闻网页正文，包括： 在网页文档树上依次遍历正文根标签的子节点，抽取并解析出所述子节点中的文本或者图片内容，并将解析得到的文本或图片内容，按照顺序拼接，得到新闻网页正文。

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道达天际科技股份有限公司，其通讯地址为：100193 北京市海淀区马连洼北路8号C座7层703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”。