一种基于WVP_DOM树相似性的网页不变形噪音过滤方法

摘要

本发明属于网页主题提取领域，主要是一种基于WVP_DOM树相似性的网页不变形噪音过滤方法。本发明包括：对网页进行预处理；利用现有方法在WVP_DOM树中识别噪音信息并标记；遍历WVP_DOM树，具有相同的标签名称的相似结点为兄弟结点；如果结点是噪音结点且无兄弟结点，回溯到父结点，继续查找父结点的相似结点；如果结点是噪音结点且兄弟结点具有相似结构，则将结点删除，不会造成网页变形。本发明提出基于WVP_DOM树相似性的网页不变形噪音过滤方法，针对传统网页去噪方法易导致网页变形的缺点做出改进，通过查找噪音信息相似结构的方式，来解决网页去噪后网页变形这一问题。