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！

龙图腾网获悉百度在线网络技术(北京)有限公司申请的专利文本数据预处理方法及装置、电子设备和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：CN114139549B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202111478101.6，技术领域涉及：G06F40/30；该发明授权文本数据预处理方法及装置、电子设备和介质是由陈由之;刘伟;张博;林赛群设计研发完成，并于2021-12-06向国家知识产权局提交的专利申请。

本文本数据预处理方法及装置、电子设备和介质在说明书摘要公布了：本公开提供了一种用于网页广告识别的文本数据预处理方法及装置、电子设备和介质，计算机技术领域，尤其涉及计算机网络技术、文本数据挖掘和自然语言处理技术领域。实现方案为：获取网页的资源文本，所述资源文本包括用于获取网页资源的文本；对资源文本进行分词处理，以获取多个第一分词；对所述多个第一分词中的每个第一分词进行切词处理，以获取多个第二分词；获取所述多个第二分词的语义特征向量；基于所述多个第二分词的语义特征向量，获取多个中心语义向量；以及响应于接收到所述资源文本对应的网页资源为广告的识别结果，基于接收到的屏蔽所述资源文本的指令，屏蔽所述广告。

本发明授权文本数据预处理方法及装置、电子设备和介质在权利要求书中公布了：1.一种用于网页广告识别的文本数据预处理方法，包括： 获取网页的资源文本，其中，所述资源文本包括用于加载所述网页的网页资源的代码，所述网页资源的类型至少包括脚本、图片和内嵌网页，所述获取网页的资源文本包括： 获取网页的多个资源文本，其中，所述多个资源文本包括用于加载多种网页资源的文本；以及筛除所述多个资源文本中的用于加载下述两种网页资源的文本：网页主框架和视频； 对所述资源文本进行分词处理，以获取多个第一分词，每个第一分词为所述资源文本中的一个单词； 对每个第一分词进行切词处理，以获取多个第二分词，其中，所述切词处理用于对每个第一分词按照字节进行长度为切词长度参数的滑动窗口切分，并且用于将粒度小于所述切词长度参数的第一分词筛除，所述切词长度参数不超过预设切词长度阈值，每个第二分词均为其相应的第一分词中的一段连续的字符并且不具备完整语义，每个第二分词的长度均小于其相应的第一分词的长度； 获取所述多个第二分词的语义特征向量； 基于所述多个第二分词的语义特征向量，获取多个中心语义向量，其中，所述多个中心语义向量通过对所述多个第二分词的语义特征向量进行聚类分析获得，所述多个中心语义向量用于输入网页广告识别模型以识别所述资源文本获取的网页资源是否为广告；以及响应于接收到所述资源文本对应的网页资源为广告的识别结果，在加载所述网页时基于接收到的屏蔽所述资源文本的指令，屏蔽所述广告。

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百度在线网络技术(北京)有限公司，其通讯地址为：100085 北京市海淀区上地十街10号百度大厦三层；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。