网页相似度计算方法、装置、设备、计算机可读存储介质

摘要

本发明提供了一种网页相似度计算方法、装置、设备、计算机可读存储介质，属于数据处理技术领域。网页相似度计算方法包括：获取待比较网页的DOM树，并对DOM树进行去噪处理；从去噪处理后的DOM树中选择DOM树的主体结构标签，渲染主体结构标签生成布局块；根据布局块的坐标对待比较网页的布局块分别进行横向划分，得到N组比对区域块，第k组比对区域块包括其中一待比较网页的第k比对区域块和对应的另一待比较网页的第k比对区域块，将每组的两个比对区域块进行比对，获取每组比对区域块的页面结构相似度，并根据N组比对区域块的页面结构相似度得到两个待比较网页的整体网页结构相似度。本发明能够准确计算出两个网页间的相似度。