一种网页内容的主题提炼方法及系统

本发明提供了一种网页内容的主题提炼方法及系统，该方法包括：爬虫获取网页中的原始文本数据、图片数据、音频数据和/或视频数据；基于图片数据、音频数据和/或视频数据提取文本数据，将提取得到的文本数据与原始文本数据合并，得到综合文本数据；使用SAC‑KG语言模型解析所述综合文本数据并自动化构建知识图谱，使用NLP大模型生成描述所述知识图谱包含的三元组的自然语言文本；将所述自然语言文本缩减到预设字数范围内作为生成的关于网页内容的主题提炼结果；其中，提取视频数据中包含的关键帧图像和音频数据，使用语音识别模型将音频数据转化为文本数据，基于OCR技术提取关键帧图像和/或图片数据中包含的文本数据。