网页关键词提取方法、装置及系统

摘要

本发明实施例公开了一种网页关键词提取方法，包括，爬取互联网网页；提取爬取下来的网页中的锚文本，提取所述锚文本的URL和所述锚文本的周围文本；根据预定的规则，从所述锚文本和所述锚文本的周围文本中提取关键词；将所述关键词和所述锚文本的URL关联，将所述关键词作为所述锚文本的URL指向的网页的网页关键词。本发明实施例还公开了一种网页关键词提取装置和系统，通过以上技术方案可以减少网页关键词提取的计算量，提高关键词提取的精准度。

主权项

一种网页关键词提取方法，其特征在于，包括：爬取互联网网页；提取爬取下来的网页中的锚文本，提取所述锚文本的统一资源定位符URL和所述锚文本的周围文本；根据预定的规则，从所述锚文本和所述锚文本的周围文本中提取关键词；将所述关键词和所述锚文本的URL关联，将所述关键词作为所述锚文本的URL指向的网页的网页关键词；所述锚文本的周围文本包括：与所述锚文本所在的超文本标识语言HTML节点的距离在预置范围内的文本或/和HTML标签；或者，从包含所述锚文本的标签容器中提取的文本；或者，与所述锚文本的距离在预置范围内的网页文本。