求算法：判断任意网页的文章标题和文章内容，特别是内容。

[eduyu]

网页上有很多文字，其中有的区域的文字是广告，或者别的信息，我需要一个比较好的判断网页文章内容和标题的算法，特别是内容。谢谢！

[绿色夹克衫]

这个,具体我也不太清楚,应当是对网页的内容或标题分词后,每个词应该都可以表示为一个多维向量(根据词义,比如体育,比如战争......),
根据这些词的向量累加,找出整篇文章的核心向量,从而找出一个或多个核心词，利用这些核心词，应该就能相对准确的表达文章的核心内容了。

[na2650945]

友情。

[hityct1]

标题好办，查找以下两个字符串就可以了。
<title>
</title>

判断内容不好办，对特定网站的特定格式还可以，一般情况那就难了。估计地球人还没实现呢。

[猫已经找不回了]

问google是怎么做的。。

[IONPhantom]

这个应该属人工智能板块吧..

[蒋晟]

http://www.cs.uiuc.edu/homes/dengcai2/VIPS/VIPS.html
不过我测试的结果命中率不高。

[eduyu]

靠，蒋大哥太了解偶了，要的就是这个。
我也想过用网页的视觉结果来判断内容。这符合人对内容判断的思路。原以为这样做太将就，
看到这些人这么认真的这么做，估计也就这样了。