【SEO培訓】:正文提取知識
【SEO培訓】:正文提取知識
網上有不少關于正文提取的算法,有基于dom樹,文字長度,投票,視覺信息的,這些都可以簡單了解一下,不過對于國內主要搜索引擎百度,我們就得盡量找找他有沒有這方面的專利.
百度專利<<一種用于對頁面進行主體識別的方法與設備>>申請于2011年,里面是這樣識別主體的
1.對頁面進行分塊,分塊就是對一些標簽進行合并,html標簽中一般來講p,span,font等是常見的用于文本的標簽,div,table,td等是用于塊的標簽,通過合并,可以簡化頁面的結構,便于分析.
2.對塊進行合并,當屬于同一層級,并且是屬于可合并類型(這里類型不限于圖片,文本,鏈接等)的塊進行合并,可以簡單理解為段落的合并.
3.對合并后的塊進行字體格式信息,行數,寬度,位置進行識別
4.對主體進行識別,這里有相應的投票機制和算法,舉例:如果塊位于網頁的中部,行數和寬度大于預設閾值,標題字號和文本字號不同,就識別為主體.
上面是這篇專利主要講的方法,但要明白,不同的行業其實是有不同的識別規則的,有些行業由于數據結構的特殊性,所以并不是字數多就是主體,比如商品頁,字段最多的可能是評論區塊.所以對于不同行業要做不同的分析
當前名稱：【SEO培訓】:正文提取知識
網頁URL：http://www.kartarina.com/article22/dghigcc.html
成都網站建設公司_創新互聯，為您提供網站建設、企業網站制作、企業建站、自適應網站、外貿網站建設、用戶體驗
聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯
- 如何尋找專業網頁設計公司 2014-01-09
- 福田網頁設計公司選擇難，是因為您沒看這些 2022-08-27
- 【成都網頁設計公司】怎么樣判斷一個網站seo是 2016-11-12
- 網格是更好的網頁設計_深圳網頁設計公司 2014-04-10
- 為什么選擇專業網頁設計公司而不是自由職業者？ 2022-10-20
- 成都網頁設計公司 2022-07-04
- 鹽城網頁設計公司告訴你企業中英文網站該如何建設 2020-02-18
- 【成都網頁設計公司】色彩扁平化網站設計的優勢 2023-03-10
- 網頁設計公司的選擇：從哪些標準選擇專注的網站開發公司 2016-07-04
- 選擇適合小型企業的網頁設計公司 2022-10-21
- 專業網頁設計公司怎么做網站布局設計？ 2020-12-20
- 網頁設計公司如何面對越來越成熟的市場競爭 2016-09-29