一种网页标题的提取方法、装置及信息处理系统

摘要

本发明适用于信息处理领域，提供了一种网页标题的提取方法、装置及信息处理系统，所述方法包括下述步骤：提取网页源文件中标题标签和辅助性标签中的文字；提取所述网页源文件中每个文本块的特征点；根据所述提取的文本块的特征点以及标题标签和辅助性标签中的文字，计算所述网页源文件中每个文本块作为网页标题的概率值；将概率值最大的文本块提取为网页标题。本发明能够有效的过滤掉网页设计者在标题标签或者辅助性标签中堆砌的与网页内容无关的文字，将最能描述网页主题内容或者中心思想的文字作为网页标题提取出来，提高网页搜索的准确率和召回率。

主权项

一种网页标题的提取方法，其特征在于，所述方法包括以下步骤：提取网页源文件中标题标签和辅助性标签中的文字；提取所述网页源文件中每个文本块的特征点；根据所述提取的文本块的特征点以及标题标签和辅助性标签中的文字，计算所述网页源文件中每个文本块作为网页标题的概率值；将概率值最大的文本块提取为网页标题。