日期:2014-05-18  浏览次数:20889 次

正文抽取中网页内容类型判断
最近在写一个正文抽取的程序,是基于统计和一些规则来处理的,效果还凑和,但还是有一些杂数据会出现
我现在想将网页类型分类,提高准确度,比如 : 

1 新闻类型 
2 论坛类型 
3 博客类型 
4 其他。。。


我现在想问的是 网页类型 如何判断 , 或者这种方法不好给点新思路。谢谢



------解决方案--------------------
从网页URL里面判断?
------解决方案--------------------
通过页面数据关键字判断