龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：合肥大智慧财汇数据科技有限公司
摘要：本申请涉及网络数据处理和机器学习领域，特别是一种基于随机森林回归的HTML列表行XPath生成方法、系统及计算机程序产品。本发明的方法通过爬虫技术获取待解析的含列表行的HTML文档，然后使用特征提取模型提取HTML文档的节点特征，并按照节点类型对节点特征进行平衡分类，然后通过随机森林回归算法计算每个节点成为列表行的概率值，并输出概率值最高的节点的XPath信息作为提取结果。本发明的方法能够有效提高从多样化HTML结构中自动识别和提取列表行的准确性和效率。本发明不仅优化了数据抽取流程，还为进一步的数据分析和处理提供了支持，具有广泛的应用前景。
主权项：1.一种基于随机森林回归的HTML列表行XPath生成方法，其特征在于，包括以下步骤：S1、获取含有列表行节点的HTML文档；S2、将HTML文档中的所有节点均输入到预先设定的特征提取模型中进行特征提取，以获取HTML文档中所有节点的节点特征；S3、从所有节点特征中随机选取设定比例的列表行节点的节点特征和非列表行节点的节点特征，并将选取的节点特征存储在训练集中；S4、使用训练集对用于预测节点属于列表行的概率的随机森林回归模型进行训练，以训练得到最优预测模型；S5、对待解析的HTML文档按照步骤S2和步骤S3的内容进行处理，以获得对应的训练集，并将台训练集中的数据输入到最优预测模型中，预测出各个节点属于列表行的概率，并选择最大概率对应的节点，将该节点记为目标节点；S6、输出目标节点的XPath信息。
全文数据：
权利要求：
百度查询： 合肥大智慧财汇数据科技有限公司 一种基于随机森林回归的HTML列表行XPath生成方法、系统及计算机程序产品
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号