搜集信息的预处理-网页净化和消重

Posted:2013-11-27 09:18:08 - comments | 作者： @果尔 @ SEO培训学院 修订1.4 ID:7033

在上一节的《3.1.3、搜集信息的预处理–分析页面和建立倒排文件》中我们说过，搜索引擎在预处理的第一步就是要先进行网页的分析，本节将对这部分的内容进行展开。

网页净化与消重

• 1、网页净化：识别和消除网页内的噪声内容（如广告、版权信息等），并提取出网页的主题和主题相关的内容。
• 2、消重：去除所搜集网页集合中主题内容重复的内容。

建立索引是在消重后的网页集上进行的，这样才可以保证用户在查询时不会出现大量内容重复的网页。

果尔SEO，中国医疗美容机构SEO经验分享平台。本文头像LOGO署名文章版权所有，转载请注明出处。