一种对网页进行分类的方法和系统

摘要

本发明公开了一种对多个网页进行分类的方法及系统，所述多个网页为与一主题相关的网页，所述主题包括至少两个版本，该方法包括如下步骤：获得所述多个网页，并基于所述多个网页，获得数量与所述多个网页一致的多个文档；对所述多个文档中的每个文档进行处理，获得数量与所述多个文档一致的多个特征单元集，所述多个特征单元集中的每个特征单元集都包括有至少一个特征单元，所述至少一个特征单元用来体现对应网页的特征；计算所述每个特征单元集中的每个特征单元的特征值；基于所有所述每个特征单元集中的每个特征单元的特征值，进行文本聚类，将所述多个网页中的每个网页归到所述至少两个版本中的一个版本。

主权项

一种对多个网页进行分类的方法，所述多个网页为与一主题相关的网页，所述主题包括至少两个版本，其特征在于，包括如下步骤：获得所述多个网页，并基于所述多个网页，获得数量与所述多个网页一致的多个文档；对所述多个文档中的每个文档进行处理，获得数量与所述多个文档一致的多个特征单元集，所述多个特征单元集中的每个特征单元集都包括有至少一个特征单元，所述至少一个特征单元用来体现对应网页的特征；计算所述每个特征单元集中的每个特征单元的特征值；基于所有所述每个特征单元集中的每个特征单元的特征值，进行文本聚类，将所述多个网页中的每个网页归到所述至少两个版本中的一个版本。