基于导航路径信息的主题相关网页过滤方法和系统

摘要

本发明提供了一种基于导航路径信息的主题相关网页过滤方法和系统。所述方法包括：获取一个或多个网页集合中的所有网页；收集所述所有网页之间的链接关系；基于所述链接关系提取出所述获取的所有网页的导航路径集合；以及基于所述提取出的导航路径集合对所述所有网页进行过滤以得到所需网页。在一些实施例中，导航路径的提取优选地是针对网页之间的导航链接进行的，因此本发明还可以包括从所有链接关系中删除掉非导航链接的过程。相比现有技术，本发明可以更充分地利用网页之间的上下文信息来进行网页过滤，从而提高网页过滤的精确性和客观性。

主权项

一种网页过滤方法，该方法包括以下步骤：获取一个或多个网页集合中的所有网页；收集所述所有网页之间的链接关系；基于所述链接关系提取出所述获取的所有网页的导航路径集合；以及基于所述提取出的导航路径集合对所述所有网页进行过滤以得到所需网页；收集各个所述网页集合的目录结构；根据所述目录结构从相应网页集合的链接关系中删除掉所有非导航链接以获得导航链接集合，并且基于所述导航链接集合提取出每个所述网页的所述导航路径集合。