识别新闻网页属性特征的方法和系统

摘要

本发明提供了一种识别新闻网页属性特征的方法和系统，方法包括：从抓取到的新闻网页中分别提取标题信息和正文信息；分别对标题信息和正文信息进行分析，根据标题信息分析数据与正文信息分析数据计算标题信息和正文信息的匹配度；根据标题信息和正文信息的匹配度，判断新闻网页的属性特征。本发明的优点在于，可以识别新闻网页的属性特征，该属性特征反映网页标题信息和正文信息的相关性，可以识别出其是否为“垃圾新闻”网页。