一种自适应结构化的文档抽取方法

摘     要：本发明公开了一种自适应结构化的文档抽取方法。本发明首先从互联网中采集原始网页并存储，然后对采集到的原始网页中的原文进行通用无意义清洗，接下来根据Xpath定位网页中的元素，自动对比抽取出网页中有价值的内容，最后将抽取到的内容按照结构化的格式存储起来；通过改进的抽取规则实现不需要先验知识和人工标注数据，而是通过挖掘网页之间的语义相似性，自动生成适用的抽取模式。本发明抽取规则由目标网站自身特点决定，对不同站点兼容性较强，具有较高的可扩展性。通过同站点下相似数据的关联和对比，自动实现过滤冗余内容。实现了基于网页结构和基于文本特征抽取的有效结合。

著 录 项： 

• 1． 买家选定所需专利，确认国家手续办理方，下单，确认交易合同；
  2． 卖家确认专利可交易；
  3． 买家支付交易款项到平台；
  4． 买卖双方签订《专利转让委托书》、《转让协议》、《解除代理委托书》各一式两份并提交给办理国家手续方；
  5． 办理国家手续方提交办理官方手续，国家知识产权局1个月左右下发《著录项目变更手续合格通知书》；
  6． 买家确认收到《专利证书》、《著录项目变更手续合格通知书》；
  7． 平台把交易款项支付给卖家，至此专利转让合同完成。
  

• 交易方	企业	个人
  买家	营业执照副本复印件（需盖公章）	身份证复印件（签字）
  	专利转让委托书（需盖公章）一式两份	专利转让委托书（需签字）一式两份
  	专利转让协议（需盖公章）一式两份	专利转让协议（需签字）一式两份
  卖家	营业执照副本复印件（需盖公章）	身份证复印件（需申请人签字）
  	解除代理委托书（需盖公章）一式两份（如专利通过代理机构申请）	解除代理委托书（需签字）一式两份（如专利通过代理机构申请）
  	专利转让协议（需盖公章）一式两份	专利转让协议（需签字）一式两份
  	专利请求书或手续合格通知书、授权通知书复印件	专利请求书或手续合格通知书、专利授权通知书复印件
  	专利证原件（若授权下证）	专利证原件（若授权下证）

• 日期

  法律信息

  备注