[发明专利]面向接口迁移的相似语义主题的网页识别方法、装置和设备

摘要

本发明提供了一种面向接口迁移的相似语义主题网页识别方法、装置和设备，所述方法包括：获取待识别的两个网页的页面信息；对所述两个网页的页面信息进行预处理，分别得到所述两个网页的纯文本内容；利用多种算法对所述纯文本内容进行关键词提取；将所述多个关键词与预定义主题词集合中的主题词进行匹配，分别得到两个网页的多个主题词，将两个网页各自的多个主题词进行融合集成，得到两个网页各自的主题特征；根据两个网页各自的语义主题特征，判断两个网页是否为相似网页。本发明通过预处理减弱内容理解的噪声，利用多种算法提取主题词与集成匹配语义主题提升内容理解的覆盖面，提高相似网页识别的准确性，进而支持网页接口迁移到相似网页。