[发明专利]基于导航路径信息的主题相关网页过滤方法和系统

权利要求书

1.一种网页过滤方法，该方法包括以下步骤：

获取一个或多个网页集合中的所有网页；

收集所述所有网页之间的链接关系；

基于所述链接关系提取出所述获取的所有网页的导航路径集合；以及

基于所述提取出的导航路径集合对所述所有网页进行过滤以得到所需 网页；

收集各个所述网页集合的目录结构；

根据所述目录结构从相应网页集合的链接关系中删除掉所有非导航链 接以获得导航链接集合，并且

基于所述导航链接集合提取出每个所述网页的所述导航路径集合。

2.如权利要求1所述的网页过滤方法，还包括：

在提取出所述导航路径集合之后，利用所述获取的每个网页对所述提 取出的导航路径集合进行索引；以及

基于所述经索引的导航路径集合对所述所有网页进行过滤。

3.如权利要求1所述的网页过滤方法，其中所述非导航链接是以下三 种链接中的至少一种：

所述目录结构上由子指向父的链接；

所述目录结构上的同一层次上的所有兄弟网页指向同一网页的链接； 以及

所述目录结构上同一语义块中的所有网页指向同一网页的链接。

4.如权利要求1所述的网页过滤方法，其中提取所述导航路径集合包 括：

a.从所述获取的所有网页中选择一个网页；

b.建立所述网页所属网页集合的网页队列并以该网页集合的索引页作 为源网页；并且

c.从所述源网页开始，针对该网页的每条导航链接：

如果该导航链接指向的网页与所述网页处于同一网页集合，则将 对应于该导航链接的锚文本和该导航链接指向的网页的标题添加到所 述网页的导航路径，并将该导航链接指向的网页添加到所述网页所属 网页集合的网页队列并返回步骤c考虑所述网页的下一导航链接；否 则

如果该导航链接指向的网页与所述网页处于不同的网页集合，则 将对应于该导航链接的锚文本和该导航链接指向的网页的标题添加到 所述网页的导航路径，并且返回步骤b以建立该导航链接指向的网页 所属网页集合的网页队列并以该网页集合的索引页作为源网页继续步 骤c的处理。

5.如权利要求1所述的网页过滤方法，其中提取所述导航路径集合包 括：

a.从所述获取的所有网页中选择一个网页；

b.建立所述网页所属网页集合的网页队列并以该网页集合的索引页作 为源网页；并且

c.从所述源网页开始，针对该网页的每条链接：

如果该链接指向的网页与所述网页处于同一网页集合，则判断该 链接指向的网页是否已存在于该网页集合的网页队列中，如果否，则 将对应于该链接的锚文本和该链接指向的网页的标题添加到所述网页 的导航路径，并将该链接指向的网页添加到所述网页所属网页集合的 网页队列，如果是，则返回步骤c考虑所述网页的下一链接；否则

如果该链接指向的网页与所述网页处于不同的网页集合，则将对 应于该链接的锚文本和该链接指向的网页的标题添加到所述网页的导 航路径，并且返回步骤b以建立该链接指向的网页所属网页集合的网 页队列并以该网页集合的索引页作为源网页继续步骤c的处理。

6.如权利要求1所述的网页过滤方法，其中所述网页过滤是主题相关 的过滤，所述方法还包括：

在所述提取之后输入预定主题；并且

基于所述导航路径集合，根据所述预定主题对所述获取的所有网页进 行过滤以得到所述所需网页。

7.如权利要求1所述的网页过滤方法，其中所述网页过滤是主题相关 的过滤，所述方法还包括：

在所述提取之前输入预定主题；

根据所述预定主题对所述获取的所有网页执行主题相关的预过滤；

提取出所述经预过滤的网页的导航路径集合；并且

基于所述导航路径集合，根据所述预定主题对所述经预过滤的网页进 行过滤以得到所述所需网页。