一种基于语义的Web挖掘方法研究

摘要

在已有的基于Dom—Tree的网页信息提取算法基础上，通过对Html标签进行分类，逐个分析各Html标签所包含的结构信息，设计了一种自底向上的网页分块方法，并在此基础上，实现了文本相似度比较的网页主题内容信息块识别算法，提高了主题内容信息块的识别精确度。