[发明专利]一种用于获取页面相似度的方法与设备

摘要

本发明的目的是提供一种用于获取页面相似度的方法与设备。本发明中首先确定一个页面中的一个或多个页面块与另一页面中的一个或多个页面块之间的块相似度，接着根据两个页面中各个页面块的权重及其块相似度，加权确定该两个页面的页面相似度，从而将页面块的权重引入页面相似度判定标准中，通过对不同页面块的准确赋权，体现出不同页面块的价值差异，从而获得更为准确的页面相似度判定结果，进一步为保证较高的过滤重复网页准确性提供了保证。

主权项

一种计算机实现的用于获取页面相似度的方法，该方法包括以下步骤：a1确定一个页面中的一个或多个页面块与另一页面中的一个或多个页面块的块对应关系；a2根据所述块对应关系，对所述一个页面与所述另一个页面的对应的页面块进行比较，以确定块相似度；‑当所述一个页面中的一个或多个页面块与所述另一页面中的一个或多个页面块不一一对应，且所述不对应的页面块的类型不相同时，根据所述不对应的页面块的类型，基于预定判断规则，判断是否保留所述不对应的页面块的权重；b根据两个页面中保留的各个页面块的权重及所述块相似度，加权确定所述两个页面的页面相似度。