元の名称記録: 讯飞智元信息科技有限公司

本申请公开了一种网页数据采集方法及相关装置，涉及数据处理技术领域，本申请通过预先构建包含各种网页的数据采集方式的网页数据采集知识库，当获取网页数据采集任务之后，从网页数据采集知识库中获得该网页匹配的数据采集方式，由于该数据采集方式中明确了网页中各字段的解析方式是基于多模态特征（字段的DOM结构指纹特征、视觉位置特征以及语义特征中的至少两种）进行解析的，能够大幅提高网页数据的解析准确率，进而保障网页数据采集任务稳定、高效的执行。

本申请提供一种文本修正方法、装置、设备及介质，该方法包括：取待修正处理的目标文本，该目标文本包括各个文本片段；针对各个文本片段中每个文本片段，对该文本片段进行纠错，得到目标预处理文本片段，目标预处理文本片段对应有纠错准确度评分；若目标预处理文本片段的纠错准确度评分小于预设评分阈值，则根据预设的语法规则识别目标预处理文本片段中存在的语法问题，得到目标预处理文本片段对应的错误分析结果；通过大语言模型根据错误分析结果对目标预处理文本片段进行修正，得到目标文本对应的修正文本。本申请可以提高修正文本的质量和修正效率。