java - 关于我可以使用哪些网页元信息来对某个主题的页面相关性进行分类的任何想法？

Question

我正在做一个算法来分类页面的相关性，比如“电影”，尽可能使用所有元信息，但不包括正文的文本内容。

我想知道我可以使用什么来确定页面是否包含有关主题的一些信息。

目前，我给标题的重要性为 40%，域后的链接为 30%，域为 20%，元关键字为 10%，但我认为我可以使用更多的东西来获得更多精确的。我正在匹配一些带有权重的单词来计算页面的相关性。

关于我还可以使用什么来计算相关性的任何想法？我只想排除 HTML 本身内部的文本内容，但可以使用 HTML 结构。

Answer 1

我想你应该考虑一下主菜单的链接，如果是子菜单的链接，那么就更简单了，LINKS。您还应该考虑元数据。但我仍然不确定你想要达到什么目的。

据我了解，您正在尝试为网页制作一些“相关性”公式。