[发明专利]一种基于内容相似的网页分割方法

摘要

发明公开了一种基于内容相似的网页分割方法，首先采用内容块检测算法检测出网页中所有的内容块。然后依据人类视觉特征得出六维度内容视觉向量空间，并定义内容视觉空间里两点相似度计算公式。接着将内容块看作顶点，相似度看作顶点间边的权值，网页构造为一张加权无向连通图。依据移动终端软硬件配置，采用Kruskal算法对加权无向连通图进行分割，分割后的每张子图适合移动终端处理和显示。最后关联所有子图，建立子图关系，并选取第一个子图作为首页推送给用户，用户可以根据子图关系实现网页遍历。本发明可以用于移动终端访问Web网页的解决方案中，有效解决网页在移动终端的显示质量差，甚至无法显示的问题，从而提高用户服务体验。

主权项

一种基于内容相似的网页分割方法，其特征在于，包括以下步骤：步骤1：自动获取移动终端软硬件配置信息并存储；步骤2：依据用户请求获取Web服务器中的Web网页；步骤3：对步骤2得到的Web页面，进行HTML规范处理与CSS预处理，实现HTML规范化和样式信息与数据的绑定；步骤4：根据内容块检测算法获取经步骤3处理后的Web网页中所有内容块；步骤5：对于步骤4得到的内容块，依据人类视觉特征得出六维度内容视觉向量空间，并定义内容视觉空间里两点相似度计算公式；步骤6：构建加权无向连通图，依据移动终端软硬件配置信息，采用Kruskal算法对加权无向连通图进行分割，得到所述的加权无向连通图的子图；步骤7：关联所有子图，建立子图关系，选取第一个子图作为主页面推送给用户。