當前位置:主頁 > SEO問題解答 > /正文

【痞子瑞SEO培訓】:正文提取知識

作者:風力刷百度指數 ???時間:2018-09-01 10:35

  【痞子瑞SEO培訓】:正文提取知識

1.jpg

  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

本文地址:http://www.pwkzxw.tw/jieda/1429.html

上一篇:網站優化不用非得每天都去更新
下一篇:沒有了

相關推薦
Tags:
刷指數

最新文章



刷百度指數 聯系我們
  • 咨詢電話:18927460947
  • 客服QQ:208777028

  • 掃一掃關注我們的微信號

    刷百度指數二維碼
    ? 杀平特一肖公式规律