CN111125603B - 网页场景识别方法、装置、电子设备及存储介质 - Google Patents
网页场景识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111125603B CN111125603B CN201911381343.6A CN201911381343A CN111125603B CN 111125603 B CN111125603 B CN 111125603B CN 201911381343 A CN201911381343 A CN 201911381343A CN 111125603 B CN111125603 B CN 111125603B
- Authority
- CN
- China
- Prior art keywords
- webpage
- scene
- web page
- feature
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000015654 memory Effects 0.000 claims description 21
- 230000003993 interaction Effects 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims 3
- 239000000523 sample Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000002452 interceptive effect Effects 0.000 description 11
- 230000008846 dynamic interplay Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了网页场景识别方法、装置、电子设备及存储介质，涉及人工智能领域，其中方法可包括：根据不同网页场景下的网页元素特征构建特征库；针对待识别的网页场景，当待处理的网页打开后处于运行状态时，获取其中的网页元素；针对任一网页元素，分别从网页中获取该网页元素在该网页场景下的各特征的特征信息，并通过将获取到的各特征信息与特征库中的对应特征信息进行比较，确定出该网页元素是否符合该网页场景；其中，对应特征信息为对特征库中该网页场景下的特征进行条件配置后的特征信息。应用本申请所述方案，可提升识别结果的准确性等。
Description
技术领域
本申请涉及计算机应用技术，特别涉及人工智能领域的网页场景识别方法、装置、电子设备及存储介质。
背景技术
在抓取分析或一些交互体验自动化分析等项目中，我们需要能够准确快速的识别出各种网页场景。网页场景识别可包括识别页面中的购物车按钮、识别页面中的广告等。
目前的识别方式主要针对一些特定的网页场景进行设计，而实际上针对不同网页场景的识别需要越来越多且在不断增加，对于特定的网页场景之外的网页场景的识别，识别结果的准确性会很差。
发明内容
有鉴于此，本申请提供了网页场景识别方法、装置、电子设备及存储介质。
一种网页场景识别方法，包括：
根据不同网页场景下的网页元素特征构建特征库；
针对待识别的网页场景，当待处理的网页打开后处于运行状态时，获取其中的网页元素；
针对任一网页元素，分别从所述网页中获取所述网页元素在所述网页场景下的各特征的特征信息，并通过将获取到的各特征信息与所述特征库中的对应特征信息进行比较，确定出所述网页元素是否符合所述网页场景；其中，所述对应特征信息为对所述特征库中所述网页场景下的特征进行条件配置后的特征信息。
根据本申请一优选实施例，所述特征库中包含适用于各网页场景的通用特征以及适用于特定网页场景的专用特征；不同类别的特征分别按照预定的特征数据格式进行存储。
根据本申请一优选实施例，所述通过将获取到的各特征信息与所述特征库中的对应特征信息进行比较，确定出所述网页元素是否符合所述网页场景包括：
通过将获取到的各特征信息与所述对应特征信息进行比较，确定出所述网页元素的置信度；
若所述置信度大于预先设定的阈值，则确定所述网页元素符合所述网页场景，否则，确定所述网页元素不符合所述网页场景。
根据本申请一优选实施例，该方法进一步包括：分别为所述特征库中的各特征设置角色、分组及权重；
所述通过将获取到的各特征信息与所述对应特征信息进行比较，确定出所述网页元素的置信度包括：确定获取到的各特征信息与所述对应特征信息是否相匹配，根据确定结果以及各特征的角色、分组及权重信息，按照预定规则计算出所述网页元素的置信度。
根据本申请一优选实施例，所述网页场景包括：静态类网页场景以及动态类网页场景；
若所述待识别的网页场景为动态类网页场景，则该方法进一步包括：针对符合所述网页场景的网页元素，监听针对所述网页元素的交互操作，并确定所述交互操作所带来的页面变动是否符合预期。
根据本申请一优选实施例，该方法进一步包括：获取网页场景识别请求，若所述网页场景识别请求中包含多于一个网页场景，则确定各网页场景的识别顺序，并按照所述识别顺序，依次将各网页场景作为所述待识别的网页场景进行处理。
根据本申请一优选实施例，该方法进一步包括：当任一网页场景识别完成后，若进行了页面变动，则将所述网页恢复为页面变动之前的状态，并基于恢复后的网页进行下一网页场景的识别。
一种网页场景识别装置，包括：预处理单元以及识别单元；
所述预处理单元，用于根据不同网页场景下的网页元素特征构建特征库；
所述识别单元，用于针对待识别的网页场景，当待处理的网页打开后处于运行状态时，获取其中的网页元素，针对任一网页元素，分别从所述网页中获取所述网页元素在所述网页场景下的各特征的特征信息，并通过将获取到的各特征信息与所述特征库中的对应特征信息进行比较，确定出所述网页元素是否符合所述网页场景，其中，所述对应特征信息为对所述特征库中所述网页场景下的特征进行条件配置后的特征信息。
根据本申请一优选实施例，所述特征库中包含适用于各网页场景的通用特征以及适用于特定网页场景的专用特征；不同类别的特征分别按照预定的特征数据格式进行存储。
根据本申请一优选实施例，所述识别单元通过将获取到的各特征信息与所述对应特征信息进行比较，确定出所述网页元素的置信度，若所述置信度大于预先设定的阈值，则确定所述网页元素符合所述网页场景，否则，确定所述网页元素不符合所述网页场景。
根据本申请一优选实施例，所述预处理单元进一步用于，分别为所述特征库中的各特征设置角色、分组及权重；
所述识别单元确定获取到的各特征信息与所述对应特征信息是否相匹配，根据确定结果以及各特征的角色、分组及权重信息，按照预定规则计算出所述网页元素的置信度。
根据本申请一优选实施例，所述网页场景包括：静态类网页场景以及动态类网页场景；
若所述待识别的网页场景为动态类网页场景，则所述识别单元进一步用于，针对符合所述网页场景的网页元素，监听针对所述网页元素的交互操作，并确定所述交互操作所带来的页面变动是否符合预期。
根据本申请一优选实施例，所述识别单元进一步用于，获取网页场景识别请求，若所述网页场景识别请求中包含多于一个网页场景，则确定各网页场景的识别顺序，并按照所述识别顺序，依次将各网页场景作为所述待识别的网页场景进行处理。
根据本申请一优选实施例，所述识别单元进一步用于，当任一网页场景识别完成后，若进行了页面变动，则将所述网页恢复为页面变动之前的状态，并基于恢复后的网页进行下一网页场景的识别。
一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如以上所述的方法。
上述申请中的一个实施例具有如下优点或有益效果：可根据不同网页场景下的网页元素特征构建特征库，并可根据实际需要对各网页场景下的特征进行条件配置等，这样，当需要针对任一网页场景进行识别时，可针对待处理的网页中的任一网页元素，通过将从网页中获取到的该网页元素在该网页场景下的各特征的特征信息与特征库中的对应特征信息进行比较，确定出该网页元素是否符合该网页场景，该方式可适用于任意的网页场景，且均能得到比较准确的识别结果，当出现新的网页场景时，只要对特征库进行相应的扩展及配置即可，实现起来简单方便；该方式中，可在待处理的网页打开后处于运行状态时执行后续的处理，从而可以获取到更为全面准确的信息，如特征信息，从而进一步提高了识别结果的准确性等；现有方式主要适用于静态类网页场景的识别，而在实际应用中，很多情况下还会需要进行动态类网页场景的识别，而本申请所述方式同样适用于动态类网页场景的识别，如可监听针对网页元素的交互操作并确定交互操作所带来的页面变动是否符合预期等；另外，当获取到的网页场景识别请求中包含多个网页场景时，不同网页场景的识别可采用串行的方式，以避免不同网页场景之间的干扰，某一网页场景识别完成后，还可进行变动重置，以便基于重置后的网页进行下一网页场景的识别，从而进一步避免了不同网页场景之间的干扰，进而进一步提高了识别结果的准确性等；上述可选方式所具有的其它效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请所述网页场景识别方法实施例的流程图；
图2为本申请所述特征库中包含的内容示意图；
图3为本申请所述动态类网页场景识别完整过程示意图；
图4为本申请所述网页场景识别装置400实施例的组成结构示意图；
图5为根据本申请实施例所述方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1为本申请所述网页场景识别方法实施例的流程图。如图1所示，包括以下具体实现方式。
在101中，根据不同网页场景下的网页元素特征构建特征库。
在102中，针对待识别的网页场景，当待处理的网页打开后处于运行状态时，获取其中的网页元素。
在103中，针对任一网页元素，分别从网页中获取该网页元素在该网页场景下的各特征的特征信息，并通过将获取到的各特征信息与特征库中的对应特征信息进行比较，确定出该网页元素是否符合该网页场景；其中，所述对应特征信息为对特征库中该网页场景下的特征进行条件配置后的特征信息。
本实施例中，可通过网页元素特征提取，构建出一个用于网页场景自动化识别的特征库，将不同网页场景下的特征进行细粒度抽象合并，方便进行各种组合调用等。
图2为本申请所述特征库中包含的内容示意图。如图2所示，特征库中可包含适用于各网页场景的通用特征以及适用于特定网页场景的专用特征。其中，通用特征可包括但不限于以下类别(type)的基本特征：语句特征、文本特征、样式特征、属性特征、位置特征、选择器特征、动态交互特征等，此外还可包括一些关系特征，如similar操作和some操作等，特征类别可根据实际需要进行扩展。专用特征的类别可与通用特征的类别一致，但内容可不同。如图2所示，还可分别为特征库中的各特征设置角色(role)、分组(group)及权重(weight)等，比如，可将相同类别的特征划分为一组，角色可包括前置条件、必要条件和非必要条件等。这些都可写入到本地的SQLite离线库中，线上的库只会涉及到读，不会涉及到写，查询速度快，方便移植。特征的角色和权重可根据实际需要而定。
针对不同类别的特征，可分别按照预定的特征数据格式进行存储。作为举例而非限定，其中部分类别的特征可按照以下特征数据格式进行存储。
1)语句特征
可以正则表达式(RegExp)的形式存在，如：.*error。
2)样式特征
可用于判断节点样式是否满足一定的条件，可以${k}:${m}:${v}的形式存在，其中${k}为样式名，如'width'、'height'等。
上述网页元素即可视为节点。
3)属性特征
可用于判断节点属性是否满足一定的条件，可以${k}:${m}:${v}的形式存在，其中${k}为属性名，如'id','class'等，通过node.getAttribute(${k})或node[${k}]等方式获取到的属性都可以用属性特征配置。
4)位置特征
期望通过判断节点的特定位置，一定程度上确定其功能属性，可按照如下方式取值：top(页面前半部分)；bottom(页面后半部分)；left(页面左半部分)；right(页面右半部分)；main(主体内容内)；aftermain(主体内容后面)。
支持自定义传入边界位置，取值大于1时单位为像素(px)，取值小于1时表示相对于页面的比例，比如：top:60(页面上部60px以内)；top:1/4(页面前1/4高度以内)；bottom:60(页面底部60px以内)；top:100；left:100(页面左上角宽高100px以内)。并且，支持多个位置区块，可用|分隔，如：top:100；left:100|bottom:100；left:100(页面左上角或左下角100px以内)。
5)选择器特征
格式可同2)中的样式特征的形式，比如：selector:＝＝:div|a|span|.class|#id。
6)操作符类特征格式
对于上述2)、3)、5)中的k-v形式的${k}:${m}:${v}，'k'为样式或属性等对应的key，多个key也可以组合成一个k，用|分割，比如：width|height，'m'为操作运算符，支持('['～:模糊匹配且'v'以RegExp的形式存在、>、<、>＝、<＝、＝＝、！＝)，'v'为待比较值。
可以支持的书写格式包括但不限于以下所示：
A)width:>＝:40。
B)'v'部分支持传入数学表达式和指定变量，比如：
width:>＝:1/2*40；
width:>＝:1/2*${SCREEN_WIDTH}。
C)'k'部分支持多个属性，用|分隔，比如：
width|height:>＝:50宽度或高度大于等于50。
D)'k'和'v'支持指定属性对应的节点，比如：
width[parent]:＝＝:40当前节点的父节点的宽度等于40；
目前支持自身(self)(默认，可以不写)、父节点(parent)、子节点(child)三种target类型。
E)支持'k'，'v'两部分对不同属性、不同节点对象进行比较，比如：
width:<＝:width[parent]当前节点的宽度<＝其父节点的宽度；
width[parent]:>＝width[self]当前节点的父节点的宽度>＝当前节点的宽度。
F)支持'k'部分对多节点进行集合关系比较，目前支持`similar`和`some`两种，比如：
a)'some'，表示符合操作符计算的节点比例或个数；
tagName[child]{some}:＝＝:div当前节点的子节点中至少有一个是div；
tagName[child]{some(0.5)}:＝＝:div当前节点的子节点中有50％以上是div；
tagName[child]{some(1)}:＝＝:div当前节点的子节点中全部是div；
tagName[child]{some(5)}:＝＝:div当前节点的子节点中有5个以上是div；
注：some后传入的参数<＝1时，表示比例，参数>1时，表示个数；若要表示只有一个，可不传参数。
b)'similar'，表示左侧属性值自身的相似度关系，与操作符计算无关，所以可以省略'm'，'v'部分，比如：
tagName[child]{similar}当前节点的子节点标签的(tagName)类似，不传参数时，默认相似度80％；
tagName[child]{similar(0.4)}当前节点的子节点的tagName有40％以上相同；
tagName[child]{similar(1)}当前节点的子节点的tagName全部相同；
tagName[child]{similar(4)}当前节点的子节点的tagName有4个以上相同；
注：similar后传入的参数<＝1时，表示比例，参数>1时，表示个数；
另外，还可结合使用，比如：
tagName[child]{similar(0.9),some(1)}:～:div|span当前节点的子节点全部为div或span，并且90％以上子节点的tagName相同。
7)动态交互特征
动态交互特征主要用于动态交互识别，会根据配置的特征规则进行页面的交互操作，分析页面变动等，格式可为${a}:${c}:${k}:${m}:${v}；
其中，‘a’对应操作类型，如单击(click)、触碰(tap)、滑动(swipe)等，相同的操作类型可以属于同一group，同一group里面，只执行一次操作；
‘c’对应原子化的页面变动集合，如点击页面后出现遮罩等；
${k}:${m}:${v}同6)中的操作符类特征格式，代表了针对页面变动集合所需进行的判断。
特征库中可记录有各特征分别对应的网页场景，针对不同网页场景，可预先对特征库中该网页场景下的特征进行条件配置。比如，对于要识别购物车按钮的网页场景，可对样式特征、属性特征、位置特征等进行条件配置，如配置width:>＝:40，即配置购物车按钮的宽度需要大于或等于40个像素等，具体如何进行条件配置可根据实际需要而定。
本实施例中，可基于浏览器内核(如webkit内核)进行网页的动态渲染与场景识别。
针对待识别的网页场景，可先利用浏览器内核打开待处理的网页，使其处于运行状态，并可获取其中的网页元素，如何获取为现有技术。针对每个网页元素，可分别从网页中获取该网页元素在该网页场景下的各特征的特征信息。如针对该网页场景，特征库中记录了10个特征，那么可分别获取这10个特征的特征信息，如该网页元素的宽度信息(即宽度为多少)、高度信息等。之后，可将获取到的各特征信息与特征库中的对应特征信息进行比较，从而确定出该网页元素是否符合该网页场景。
作为一种可能的实现方式，可通过将获取到的各特征信息与特征库中的对应特征信息进行比较，确定出该网页元素的置信度，之后可将确定出的置信度与预先设定的阈值进行比较，若大于阈值，则可确定该网页元素符合该网页场景，否则，可确定该网页元素不符合该网页场景。
如前所述，特征库中的各特征分别具有各自的角色、分组及权重。相应地，通过将获取到的各特征信息与特征库中的对应特征信息进行比较，确定出该网页元素的置信度的方式可包括：确定获取到的各特征信息与特征库中的对应特征信息是否相匹配，根据确定结果以及各特征的角色、分组及权重信息，按照预定规则计算出该网页元素的置信度。
比如，从网页中获取到的宽度这一特征的特征信息为：宽度为50个像素，特征库中的对应特征信息为：width:>＝:40，那么则可认为该特征信息与特征库中的对应特征信息相匹配。
所述预定规则具体为何种规则可根据实际需要而定，即如何计算得到网页元素的置信度可根据实际需要而定，以下为一种可能的实现方式。
根据特征的角色的不同，可分别为不同的特征赋予不同的权重，如必要条件的权重最高，权重的取值可为1-10之间的值，权重代表特征对于置信度的提升程度，各特征分别为何种角色可根据实际需要而定，对于同一特征来说，当对应于不同的网页场景时，其角色和权重可能不同，另外，可限定同一分组内的特征的角色相同，再有，对于同一分组内的特征，可采用OR的计算方式，即其中一个特征相匹配即可，相应地，可将该分组内的特征均按照相匹配来处理，根据是否相匹配，可为特征赋予不同的得分(相匹配的得分大于不相匹配的得分)，并可通过将各特征的得分与对应的权重相乘后相加，得到最终所需的置信度。需要说明的是，该获取置信度的方式仅为举例说明，并不用于限制本申请的技术方案。
若最终得到的置信度大于设定的阈值，则可认为网页元素符合网页场景，如为购物车按钮。
在实际应用中，网页场景可分为静态类网页场景以及动态类网页场景，如识别购物车按钮即属于静态类网页场景识别，那么只要识别到符合网页场景的网页元素后，即可认为识别完成。但对于动态类网页场景，如识别购物车按钮是否可用，则需要先按照上述方式找到购物车按钮，然后再确定其是否可用，即需要进行动态交互操作。
相应地，若待识别的网页场景为动态类网页场景，那么针对符合网页场景的网页元素，可监听针对网页元素的交互操作，如可为click、tap或swipe等，并可确定交互操作所带来的页面变动是否符合预期。比如，识别购物车按钮是否可用，针对识别出的购物车按钮，若监听到针对购物车按钮的交互操作，可收集交互操作所带来的页面变动(即前述页面变动集合)，若页面变动符合该动态类网页场景下的页面变动预期，即符合所期望的页面变动情况，则可认为购物车按钮是可用的，否则，可认为购物车按钮是不可用的。
在实际应用中，可获取网页场景识别请求，其中可包含一个网页场景，即仅针对一个网页场景有识别需求，也可包含多个网页场景，即针对多个网页场景均有识别需求，对于后一种情况，可确定各网页场景的识别顺序，具体识别顺序可根据实际需要而定，并按照所述识别顺序，依次将各网页场景作为待识别的网页场景进行处理。比如，网页场景识别请求中包含三个网页场景，按识别顺序依次为网页场景1、网页场景2和网页场景3，那么可首先按照本实施例所述方式对网页场景1进行识别，之后可按照本实施例所述方式对网页场景2进行识别，再之后可按照本实施例所述方式对网页场景3进行识别。即不同网页场景的识别可采用串行的方式，以避免不同网页场景之间的干扰。
另外，当任一网页场景识别完成后，若进行了页面变动，还可将网页恢复为页面变动之前的状态，并基于恢复后的网页进行下一网页场景的识别。
比如，网页场景1为识别页面中的图片是否可以放大，假设执行了点击操作后，图片放大，网页场景2为识别购物车按钮是否可用，那么为了防止放大后的图片对网页场景2的识别造成影响，可将放大后的图片还原，即进行变动重置，然后基于重置后的网页进行网页场景2的识别，从而进一步避免了不同网页场景之间的干扰等。
本实施例中，对于交互场景可进行原子化的划分，动态交互的整个流程都是可配置的，通过简单配置即可进行定制化的动态交互识别，即动态类网页场景识别。
综合上述介绍，图3为本申请所述动态类网页场景识别完整过程示意图，具体实现请参照前述相关说明，不再赘述。
需要说明的是，对于前述的方法实施例，为了简单描述，将其表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
总之，采用本申请方法实施例所述方案，可根据所构建的特征库等自动地确定出网页中的网页元素是否符合待识别的网页场景，该方式可适用于任意的网页场景，且均能得到比较准确的识别结果，当出现新的网页场景时，只要对特征库进行相应的扩展及配置即可，实现起来简单方便；该方式中，可在待处理的网页打开后处于运行状态时执行后续的处理，从而可以获取到更为全面准确的信息，如特征信息，从而进一步提高了识别结果的准确性等；现有方式主要适用于静态类网页场景的识别，而在实际应用中，很多情况下还会需要进行动态类网页场景的识别，而本申请所述方式同样适用于动态类网页场景的识别，如可监听针对网页元素的交互操作并确定交互操作所带来的页面变动是否符合预期等；另外，当获取到的网页场景识别请求中包含多个网页场景时，不同网页场景的识别可采用串行的方式，以避免不同网页场景之间的干扰，某一网页场景识别完成后，还可进行变动重置，以便基于重置后的网页进行下一网页场景的识别，从而进一步避免了不同网页场景之间的干扰，进而进一步提高了识别结果的准确性等。
以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。
图4为本申请所述网页场景识别装置400实施例的组成结构示意图。如图4所示，包括：预处理单元401以及识别单元402。
预处理单元401，用于根据不同网页场景下的网页元素特征构建特征库。
识别单元402，用于针对待识别的网页场景，当待处理的网页打开后处于运行状态时，获取其中的网页元素，针对任一网页元素，分别从网页中获取该网页元素在该网页场景下的各特征的特征信息，并通过将获取到的各特征信息与特征库中的对应特征信息进行比较，确定出该网页元素是否符合该网页场景，其中，对应特征信息为对特征库中该网页场景下的特征进行条件配置后的特征信息。
特征库中可包含适用于各网页场景的通用特征以及适用于特定网页场景的专用特征。其中，通用特征可包括但不限于以下类别的基本特征：语句特征、文本特征、样式特征、属性特征、位置特征、选择器特征、动态交互特征等，此外还可包括一些关系特征，如similar操作和some操作等，特征类别可根据实际需要进行扩展。专用特征的类别可与通用特征的类别一致，但内容可不同。另外，还可分别为特征库中的各特征设置角色、分组及权重等，比如，可将相同类别的特征划分为一组，角色可包括前置条件、必要条件和非必要条件等。针对不同类别的特征，可分别按照预定的特征数据格式进行存储。
特征库中可记录有各特征分别对应的网页场景，针对不同网页场景，可预先对特征库中该网页场景下的特征进行条件配置。
针对待识别的网页场景，识别单元402可先利用浏览器内核打开待处理的网页，使其处于运行状态，并可获取其中的网页元素，针对每个网页元素，可分别从网页中获取该网页元素在该网页场景下的各特征的特征信息，之后，可将获取到的各特征信息与特征库中的对应特征信息进行比较，从而确定出该网页元素是否符合该网页场景。
作为一种可能的实现方式，识别单元402可通过将获取到的各特征信息与对应特征信息进行比较，确定出该网页元素的置信度，若置信度大于预先设定的阈值，则可确定该网页元素符合该网页场景，否则，可确定该网页元素不符合该网页场景。
如前所述，特征库中的各特征分别具有各自的角色、分组及权重。相应地，识别单元402通过将获取到的各特征信息与特征库中的对应特征信息进行比较，确定出该网页元素的置信度的方式可包括：确定获取到的各特征信息与特征库中的对应特征信息是否相匹配，根据确定结果以及各特征的角色、分组及权重信息，按照预定规则计算出该网页元素的置信度。若得到的置信度大于设定的阈值，则可认为该网页元素符合该网页场景。
在实际应用中，网页场景可分为静态类网页场景以及动态类网页场景，如识别购物车按钮即属于静态类网页场景识别，那么只要识别到符合网页场景的网页元素后，即可认为识别完成。但对于动态类网页场景，如识别购物车按钮是否可用，则需要先按照上述方式找到购物车按钮，然后再确定其是否可用，即需要进行动态交互操作。
相应地，若待识别的网页场景为动态类网页场景，识别单元402可针对符合网页场景的网页元素，监听针对网页元素的交互操作，并确定交互操作所带来的页面变动是否符合预期。
识别单元402还可获取网页场景识别请求，若网页场景识别请求中包含多于一个网页场景，可确定各网页场景的识别顺序，并可按照所述识别顺序，依次将各网页场景作为待识别的网页场景进行处理。
其中，当任一网页场景识别完成后，若进行了页面变动，识别单元402还可将网页恢复为页面变动之前的状态，并基于恢复后的网页进行下一网页场景的识别。
图4所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。
总之，采用本申请装置实施例所述方案，可根据所构建的特征库等自动地确定出网页中的网页元素是否符合待识别的网页场景，该方式可适用于任意的网页场景，且均能得到比较准确的识别结果，当出现新的网页场景时，只要对特征库进行相应的扩展及配置即可，实现起来简单方便；该方式中，可在待处理的网页打开后处于运行状态时执行后续的处理，从而可以获取到更为全面准确的信息，如特征信息，从而进一步提高了识别结果的准确性等；现有方式主要适用于静态类网页场景的识别，而在实际应用中，很多情况下还会需要进行动态类网页场景的识别，而本申请所述方式同样适用于动态类网页场景的识别，如可监听针对网页元素的交互操作并确定交互操作所带来的页面变动是否符合预期等；另外，当获取到的网页场景识别请求中包含多个网页场景时，不同网页场景的识别可采用串行的方式，以避免不同网页场景之间的干扰，某一网页场景识别完成后，还可进行变动重置，以便基于重置后的网页进行下一网页场景的识别，从而进一步避免了不同网页场景之间的干扰，进而进一步提高了识别结果的准确性等。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例所述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器Y01、存储器Y02，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器Y01为例。
存储器Y02即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的方法。
存储器Y02作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的方法对应的程序指令/模块。处理器Y01通过运行存储在存储器Y02中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器Y02可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器Y02可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器Y02可选包括相对于处理器Y01远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括：输入装置Y03和输出装置Y04。处理器Y01、存储器Y02、输入装置Y03和输出装置Y04可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置Y03可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置Y04可以包括显示设备、辅助照明装置和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器、发光二极管显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置)，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，阴极射线管或者液晶显示器监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网、广域网和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种网页场景识别方法，其特征在于，包括：
根据不同网页场景下的网页元素特征构建特征库；
针对待识别的网页场景，当待处理的网页打开后处于运行状态时，获取其中的网页元素；
针对任一网页元素，分别从所述网页中获取所述网页元素在所述网页场景下的各特征的特征信息，并通过将获取到的各特征信息与所述特征库中的对应特征信息进行比较，确定出所述网页元素是否符合所述网页场景；其中，所述对应特征信息为对所述特征库中所述网页场景下的特征进行条件配置后的特征信息；
其中，所述网页场景包括：静态类网页场景以及动态类网页场景；
若所述待识别的网页场景为动态类网页场景，则该方法进一步包括：针对符合所述网页场景的网页元素，监听针对所述网页元素的交互操作，并确定所述交互操作所带来的页面变动是否符合预期。
2.根据权利要求1所述的方法，其特征在于，
所述特征库中包含适用于各网页场景的通用特征以及适用于特定网页场景的专用特征；不同类别的特征分别按照预定的特征数据格式进行存储。
3.根据权利要求1所述的方法，其特征在于，
所述通过将获取到的各特征信息与所述特征库中的对应特征信息进行比较，确定出所述网页元素是否符合所述网页场景包括：
通过将获取到的各特征信息与所述对应特征信息进行比较，确定出所述网页元素的置信度；
若所述置信度大于预先设定的阈值，则确定所述网页元素符合所述网页场景，否则，确定所述网页元素不符合所述网页场景。
4.根据权利要求3所述的方法，其特征在于，
该方法进一步包括：分别为所述特征库中的各特征设置角色、分组及权重；
所述通过将获取到的各特征信息与所述对应特征信息进行比较，确定出所述网页元素的置信度包括：确定获取到的各特征信息与所述对应特征信息是否相匹配，根据确定结果以及各特征的角色、分组及权重信息，按照预定规则计算出所述网页元素的置信度。
5.根据权利要求1所述的方法，其特征在于，
该方法进一步包括：获取网页场景识别请求，若所述网页场景识别请求中包含多于一个网页场景，则确定各网页场景的识别顺序，并按照所述识别顺序，依次将各网页场景作为所述待识别的网页场景进行处理。
6.根据权利要求5所述的方法，其特征在于，
该方法进一步包括：当任一网页场景识别完成后，若进行了页面变动，则将所述网页恢复为页面变动之前的状态，并基于恢复后的网页进行下一网页场景的识别。
7.一种网页场景识别装置，其特征在于，包括：预处理单元以及识别单元；
所述预处理单元，用于根据不同网页场景下的网页元素特征构建特征库；
所述识别单元，用于针对待识别的网页场景，当待处理的网页打开后处于运行状态时，获取其中的网页元素，针对任一网页元素，分别从所述网页中获取所述网页元素在所述网页场景下的各特征的特征信息，并通过将获取到的各特征信息与所述特征库中的对应特征信息进行比较，确定出所述网页元素是否符合所述网页场景，其中，所述对应特征信息为对所述特征库中所述网页场景下的特征进行条件配置后的特征信息；
其中，所述网页场景包括：静态类网页场景以及动态类网页场景；
若所述待识别的网页场景为动态类网页场景，则所述识别单元进一步用于，针对符合所述网页场景的网页元素，监听针对所述网页元素的交互操作，并确定所述交互操作所带来的页面变动是否符合预期。
8.根据权利要求7所述的装置，其特征在于，
所述特征库中包含适用于各网页场景的通用特征以及适用于特定网页场景的专用特征；不同类别的特征分别按照预定的特征数据格式进行存储。
9.根据权利要求7所述的装置，其特征在于，
所述识别单元通过将获取到的各特征信息与所述对应特征信息进行比较，确定出所述网页元素的置信度，若所述置信度大于预先设定的阈值，则确定所述网页元素符合所述网页场景，否则，确定所述网页元素不符合所述网页场景。
10.根据权利要求9所述的装置，其特征在于，
所述预处理单元进一步用于，分别为所述特征库中的各特征设置角色、分组及权重；
所述识别单元确定获取到的各特征信息与所述对应特征信息是否相匹配，根据确定结果以及各特征的角色、分组及权重信息，按照预定规则计算出所述网页元素的置信度。
11.根据权利要求7所述的装置，其特征在于，
所述识别单元进一步用于，获取网页场景识别请求，若所述网页场景识别请求中包含多于一个网页场景，则确定各网页场景的识别顺序，并按照所述识别顺序，依次将各网页场景作为所述待识别的网页场景进行处理。
12.根据权利要求11所述的装置，其特征在于，
所述识别单元进一步用于，当任一网页场景识别完成后，若进行了页面变动，则将所述网页恢复为页面变动之前的状态，并基于恢复后的网页进行下一网页场景的识别。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911381343.6A CN111125603B (zh) | 2019-12-27 | 2019-12-27 | 网页场景识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911381343.6A CN111125603B (zh) | 2019-12-27 | 2019-12-27 | 网页场景识别方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111125603A CN111125603A (zh) | 2020-05-08 |
| CN111125603B true CN111125603B (zh) | 2023-06-27 |
Family
ID=70504894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911381343.6A Active CN111125603B (zh) | 2019-12-27 | 2019-12-27 | 网页场景识别方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111125603B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100530B (zh) * | 2020-08-03 | 2023-12-22 | 百度在线网络技术（北京）有限公司 | 网页分类方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103685308A (zh) * | 2013-12-25 | 2014-03-26 | 北京奇虎科技有限公司 | 一种钓鱼网页的检测方法及系统、客户端、服务器 |
| WO2014069749A1 (ko) * | 2012-10-29 | 2014-05-08 | 에스케이플래닛 주식회사 | 모바일 웹 페이지에서 스와입 모션 감지에 따른 처리 시스템 및 방법 |
| CN103927341A (zh) * | 2014-03-27 | 2014-07-16 | 广州华多网络科技有限公司 | 一种获取场景信息的方法及装置 |
| CN104504086A (zh) * | 2014-12-25 | 2015-04-08 | 北京国双科技有限公司 | 网页页面的聚类方法和装置 |
| US9479519B1 (en) * | 2014-12-18 | 2016-10-25 | Amazon Technologies, Inc. | Web content fingerprint analysis to detect web page issues |
| CN106708502A (zh) * | 2016-11-10 | 2017-05-24 | 腾讯科技（深圳）有限公司 | 网页处理方法和装置 |
| CN107577676A (zh) * | 2017-09-15 | 2018-01-12 | 北京彩彻区明科技有限公司 | 网页翻译方法、装置及系统 |
| CN108304483A (zh) * | 2017-12-29 | 2018-07-20 | 东软集团股份有限公司 | 一种网页分类方法、装置及设备 |
| CN109241437A (zh) * | 2018-09-19 | 2019-01-18 | 麒麟合盛网络技术股份有限公司 | 一种广告识别模型的生成方法、广告识别方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190279084A1 (en) * | 2017-08-15 | 2019-09-12 | Toonimo, Inc. | System and method for element detection and identification of changing elements on a web page |
-
2019
- 2019-12-27 CN CN201911381343.6A patent/CN111125603B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014069749A1 (ko) * | 2012-10-29 | 2014-05-08 | 에스케이플래닛 주식회사 | 모바일 웹 페이지에서 스와입 모션 감지에 따른 처리 시스템 및 방법 |
| CN103685308A (zh) * | 2013-12-25 | 2014-03-26 | 北京奇虎科技有限公司 | 一种钓鱼网页的检测方法及系统、客户端、服务器 |
| CN103927341A (zh) * | 2014-03-27 | 2014-07-16 | 广州华多网络科技有限公司 | 一种获取场景信息的方法及装置 |
| US9479519B1 (en) * | 2014-12-18 | 2016-10-25 | Amazon Technologies, Inc. | Web content fingerprint analysis to detect web page issues |
| CN104504086A (zh) * | 2014-12-25 | 2015-04-08 | 北京国双科技有限公司 | 网页页面的聚类方法和装置 |
| CN106708502A (zh) * | 2016-11-10 | 2017-05-24 | 腾讯科技（深圳）有限公司 | 网页处理方法和装置 |
| CN107577676A (zh) * | 2017-09-15 | 2018-01-12 | 北京彩彻区明科技有限公司 | 网页翻译方法、装置及系统 |
| CN108304483A (zh) * | 2017-12-29 | 2018-07-20 | 东软集团股份有限公司 | 一种网页分类方法、装置及设备 |
| CN109241437A (zh) * | 2018-09-19 | 2019-01-18 | 麒麟合盛网络技术股份有限公司 | 一种广告识别模型的生成方法、广告识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于HTML结构特征的网页信息提取;胡瑜等;《辽宁石油化工大学学报》;20090915(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111125603A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210192142A1 (en) | Multimodal content processing method, apparatus, device and storage medium | |
| US20210201198A1 (en) | Method, electronic device, and storage medium for generating node representations in heterogeneous graph | |
| US20210209446A1 (en) | Method for generating user interactive information processing model and method for processing user interactive information | |
| JP2022018095A (ja) | マルチモーダル事前訓練モデル取得方法、装置、電子デバイス及び記憶媒体 | |
| CN111767379A (zh) | 图像问答方法、装置、设备以及存储介质 | |
| CN111311321B (zh) | 用户消费行为预测模型训练方法、装置、设备及存储介质 | |
| JP2021056991A (ja) | 推薦方法、装置、電子デバイス、記憶媒体、及びプログラム | |
| CN111506803B (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
| CN111104514A (zh) | 文档标签模型的训练方法及装置 | |
| JP7242994B2 (ja) | ビデオイベント識別方法、装置、電子デバイス及び記憶媒体 | |
| CN111582477A (zh) | 神经网络模型的训练方法和装置 | |
| US20210166058A1 (en) | Image generation method and computing device | |
| CN111090991B (zh) | 场景纠错方法、装置、电子设备和存储介质 | |
| CN112541332B (zh) | 表单信息抽取方法、装置、电子设备及存储介质 | |
| CN112835579B (zh) | 确定界面代码的方法、装置、电子设备和存储介质 | |
| US11847599B1 (en) | Computing system for automated evaluation of process workflows | |
| US20210224476A1 (en) | Method and apparatus for describing image, electronic device and storage medium | |
| CN111563198B (zh) | 一种物料召回方法、装置、设备及存储介质 | |
| CN112380104A (zh) | 用户属性识别方法、装置、电子设备及存储介质 | |
| US20240037084A1 (en) | Method and apparatus for storing data | |
| CN112100530B (zh) | 网页分类方法、装置、电子设备及存储介质 | |
| CN111125603B (zh) | 网页场景识别方法、装置、电子设备及存储介质 | |
| CN111738325B (zh) | 图像识别方法、装置、设备以及存储介质 | |
| CN111026916B (zh) | 文本描述的转换方法、装置、电子设备及存储介质 | |
| CN111125445A (zh) | 社区主题生成方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |