专利标题 公开号/公告号 公开日期 摘要 专利状态
地址拆分和补全方法、装置、计算机设备和存储介质 CN202111539921.1 2022-03-22 本发明涉及文本处理技术领域，提供了一种地址拆分和补全方法、装置、计算机设备和存储介质，所述方法包括：依次以文本中各字符为节点进行拆分和匹配，得到所述文本中存在的地点以及所述地点对应的地点类型；遍历各所述地点，根据所述地点类型从当前遍历地点的前置相邻地点中确定当前遍历地点的最佳前置相邻地点；根据各所述地点的最佳前置相邻地点，组合得到所述文本中的地址信息；当所述地址信息中存在行政区划级别缺失且属于同名地点的地点数据时，根据相邻地点的地点类型补全所述地点数据的行政区划级别。采用本方法能够提高地址补全的准确性。 专利权的授权
基于Chrome插件的爬虫方法、装置、计算机设备和存储介质 CN202110813985.X - 本发明涉及网络爬虫技术领域，提供了一种基于Chrome插件的爬虫方法、装置、计算机设备和存储介质，所述方法包括：向任务调度中心请求爬虫任务；根据所述爬虫任务请求对应的爬虫标注模板，所述爬虫标注模板预先对目标网页进行模板标注得到；启动Chrome插件，由所述Chrome插件根据所述爬虫标注模板中标注到的网页元素进行爬虫操作。采用本方法能够提高爬虫采集的工作效率。 专利申请的驳回
基于模板标注的分布式爬虫方法、装置、计算机装置及计算机可读存储介质 CN202110813832.5 - 本发明公开一种基于模板标注的分布式爬虫方法、装置、计算机装置及计算机可读存储介质，该方法包括：标注目标网页所需抽取的信息项，分别为每个信息项获取两个以上的抽取信息样例；分别根据获取的取信息样例为标注的每个信息项生成对应的信息抽取通式；根据各信息项对应的信息抽取通式以及所需的网页信息生成信息抽取模板；当接收到爬虫任务时，读取信息抽取模板进行信息抽取。本发明能够实现分布式的网页信息抽取，具有实现操作方法简单、爬虫效率以及精度高、通用性及稳定性好等优点。 专利申请的驳回
一种分布式锁服务实现方法、装置及计算机设备 CN202110769143.9 2024-03-29 本发明公开一种分布式锁服务实现方法、装置及计算机设备，该方法包括：接收客户端发送的上锁请求，上锁请求中携带有租约信息以及租约信息对应的至少一个上锁资源；获取预先配置的各个锁之间是否存在冲突的冲突类型配置信息；根据冲突类型配置信息，确定是否为上锁请求中上锁资源发起上锁请求，其中如果上锁不存在冲突则发起上锁请求、如果上锁存在冲突则不发起上锁请求。本发明能够避免锁竞争，同时提高数据操作性能以及系统吞吐量，且具有实现方法简单、锁粒度小、效率高以及灵活性强等优点。 专利权的授权
一种PDF文件信息抽取方法、装置以及计算机设备 CN202110749413.X 2024-04-09 本发明公开一种PDF文件信息抽取方法、装置以及计算机设备，该方法包括：获取待抽取PDF文件，提取待抽取PDF文件中的字符和线条；根据提取的各线条的坐标位置以及各线条之间的位置关系，抽取待抽取PDF文件中的最简表格，最简表格为所有线条均为两两相连的最外围表格；根据最简表格的表格线条确定最简表格的单元格，递归循环抽取各单元格内部嵌套的最简表格；根据各最简表格的表格线条的坐标位置以及提取的各字符的坐标位置，从字符中抽取得到各最简表格的表格字符。本发明具有实现方法简单、抽取效率高、速度快且能够保留复杂表格内部逻辑关系等的优点。 专利权的授权
一种网络表格结构的识别方法及装置、计算机装置及计算机可读取存储介质 CN202110618601.9 2024-05-28 本发明公开了一种网络表格结构的识别方法及装置、计算机装置及计算机可读取存储介质，该方法先通过对输入的HTML文件进行预处理以获取其中的表格相关信息，所述表格相关信息包括单元格文本和单元格所在位置，然后通过利用训练好的网络表格结构识别模型基于获取的单元格文本和单元格所在位置进行网络表格结构的识别，由于采用单元格作为最小识别粒度，相对于现有采用表格行作为识别单位，大大提升了识别结果的准确度，可以适应各种复杂的网络表格结构识别场景。 专利权的授权
一种基于多任务模型进行文本处理的方法、装置、计算机装置及计算机可读取存储介质 CN202110403610.6 - 本发明公开了一种基于多任务模型进行文本处理的方法、装置、计算机装置及计算机可读取存储介质，该方法利用一个多任务模型即可同时进行分词处理、词性标注和命名实体识别这三个任务，模型加载快、预测时间短，不存在不同预测模型之间的误差传播，整体精度较高，并且在模型推理过程中通过将分词标签、词性标签和命名实体识别标签融合成一个标签文本，即三个任务使用同一套标签系统，避免了标签系统多而导致可能产生混淆的问题，在模型输出标签文本之后再将融合标签拆分成三个任务对应的标签，然后经过格式化处理后输出，结果更加规范、直观。 实质审查
一种中文实体属性抽取方法 CN201611031896.5 2021-08-24 本发明公开了一种中文实体属性抽取方法，该方法包括提取百度百科词条页面的文本、使用词条标签对页面过滤、使用剩余页面中信息框的数据进行远程标注获得训练数据、对训练数据进行分词和泛化、将泛化后的训练数据转化为词向量，然后经过分类器后得到分类结果，并填充到对应类别的属性槽中；本中文实体属性抽取方法，不需要人工定义特征以及其他的额外资源，得益于双向LSTM模型能从句子正反两个方向利用以前信息和未来信息进行特征学习的特性，在实体属性抽取任务中具有更高的准确率。 专利权的授权
基于双向LSTM神经网络的语句识别方法及装置 CN201610394281.2 - 本发明公开了一种基于双向LSTM神经网络的语句识别方法及装置，属于模式识别与自然语言理解技术领域。该方法包括：获取第一输入系统和第二输入系统中语句的第一切词序列x1＝{x11,x12，……，x1n}和第二切词序列x2＝{x21,x22，……，x2m}；建立两个双向LSTM神经网络模型；将第一切词序列和第二切词序列分别作为两个双向LSTM神经网络模型的第一输入序列和第二输入序列；通过双向LSTM神经网络模型的参数对第一输入序列和第二输入序列进行标准化，以获得标准化后的第一输出和第二输出；比较第一输出y1和第二输出y2，以实现语义识别。该装置通过切词获取单元获取语句切词序列，网络模型建立单元建立模型，并输入选取单元、计算单元、比较单元以实现语义理解。 专利（申请）权的转移
通过对网络资源调度提高网络爬虫抓取效率的方法和装置 CN201610240607.6 - 公开了通过对网络资源调度提高网络爬虫抓取效率的方法和装置。其通过从RMI远程爬虫客户端接收请求参数，并进行封装识别；把从RMI远程爬虫客户端接收到的请求参数发送到RMI服务器内部逻辑；对各个网络线路进行优选，得到畅通的网络线路；通过畅通的网络线路，根据需求，进行HTTP网络资源封装处理，得到封装好的网络资源；通过RMI远程接口把封装好的网络资源发送给RMI远程爬虫客户端的请求端；RMI远程爬虫客户端通过其请求端接收封装好的网络资源后，对网络线路和HTTP请求进行设置，并进行数据的爬取和解析。其能够使爬虫数据的抓取效率提高，不需要人工干预。实现网络线路的负载均衡，并自动识别目标网站的封锁、线路优选和HTTP请求参数的设置来自动解除封锁。 专利（申请）权的转移