一种数据处理方法、装置和用于数据处理的装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110633399A(43)申请公布日2019.12.31(21)申请号201810555878.X(22)申请日2018.06.01(71)申请人北京搜狗科技发展有限公司地址100084北京市海淀区中关村东路1号院9号楼搜狐网络大厦9层01房间申请人搜狗（杭州）智能科技有限公司(72)发明人孙玉玺丁文彪周泽南苏雪峰佟子健(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人莎日娜(51)Int.Cl.G06F16/951(2019.01)权利要求书2页说明书20页附图5页(54)发明名称一种数据处理方法、装置和用于数据处理的装置(57)摘要本发明实施例提供了一种数据处理方法、装置和用于数据处理的装置。其中的方法具体包括：依据网页源码所包括的页面元素，对网页进行分块，以得到所述网页包括的多个页面块；确定所述页面块所对应图片的图片特征；所述图片特征包括：图片周围环绕文本特征和页面结构特征；依据所述图片特征，判断对应的图片是否为目标图片。本发明实施例可以节省网页的渲染过程中消耗的系统资源和时间资源，且可以提高目标图片的召回效率。CN110633399ACN110633399A权利要求书1/2页1.一种数据处理方法，其特征在于，所述方法包括：依据网页源码所包括的页面元素，对网页进行分块，以得到所述网页包括的多个页面块；确定所述页面块所对应图片的图片特征；所述图片特征包括：图片周围环绕文本特征和页面结构特征；依据所述图片特征，判断对应的图片是否为目标图片。2.根据权利要求1所述的方法，其特征在于，所述页面结构特征包括：图片对应的页面块特征、和/或、图片周围页面元素特征。3.根据权利要求2所述的方法，其特征在于，所述页面块特征包括如下特征中的至少一种：页面块所包括页面元素的第一数量；页面块所包含页面元素的第一数量相对于网页所包括页面元素的第二数量的比例；页面块所包含时间信息的第三数量；页面块所包含时间信息的第三数量相对于网页所包括时间信息的第四数量的比例；页面块所包含超链接文本的第五数量相对于页面块所包含文本的第六数量的比例；页面块所包含超链接图片的第七数量相对于页面块所包含图片的第八数量的比例。4.根据权利要求2所述的方法，其特征在于，所述图片周围页面元素特征包括：图片周围页面元素的数量、和/或、图片周围超链接图片的比例。5.根据权利要求1所述的方法，其特征在于，所述图片周围环绕文本特征包括如下特征中的至少一种：推荐文本特征；图片周围环绕文本长度的方差；图片周围环绕文本总数；图片周围环绕文本中超链接文本的比例；以及图片周围环绕文本的平均长度。6.根据权利要求1至5中任一所述的方法，其特征在于，所述图片特征还包括：图片自身特征和/或图片对应的页面特征。7.根据权利要求1至5中任一所述的方法，其特征在于，所述对网页进行分块，包括：依据网页源码中的页面元素，得到对应的一维向量；依据预设边界元素，对所述一维向量进行分块，以得到网页包括的多个页面块。8.一种数据处理装置，其特征在于，包括：网页分块模块，用于依据网页源码所包括的页面元素，对网页进行分块，以得到所述网页包括的多个页面块；图片特征确定模块，用于确定所述页面块所对应图片的图片特征；所述图片特征包括：图片周围环绕文本特征和页面结构特征；以及目标图片判断模块，用于依据所述图片特征，判断对应的图片是否为目标图片。9.一种用于数据处理的装置，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：2CN110633399A权利要求书2/2页依据网页源码所包括的页面元素，对网页进行分块，以得到所述网页包括的多个页面块；确定所述页面块所对应图片的图片特征；所述图片特征包括：图片周围环绕文本特征和页面结构特征；依据所述图片特征，判断对应的图片是否为目标图片。10.一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如权利要求1至7中一个或多个所述的数据处理方法。3CN110633399A说明书1/20页一种数据处理方法、装置和用于数据处理的装置技术领域[0001]本发明涉及互联网信息处理技术领域，尤其涉及一种数据处理方法、装置和用于数据处理的装置。背景技术[0002]图片搜索是指依据用户的搜索请求，从图片数据中查找并按照相关性等指标，返回排序后的图片结果给用户的信息检索过程，图片搜索可以满足用户在互联网上找图的需求。在图片数据的积累过程中，网页的目标图片的召回对图片搜索中的排序结果有着重要的影响。网页的目标图片可以指网页中与正文内容紧密相关的图片。与目标图片相对应