1、隨著網(wǎng)絡信息量成爆炸式地增長，人們要在信息海洋中找尋自己需要的信息是十分困難的。這些信息大多數(shù)是以網(wǎng)頁文本的形式存放的，它們種類繁雜，缺乏組織，現(xiàn)有的以搜索引擎為代表的網(wǎng)絡信息系統(tǒng)難以為每個用戶都提供滿意的服務。如何將搜集的信息資源合理組織，如何從大量的信息中，針對用戶不同的興趣需求，返回用戶真正需要的信息，從而實現(xiàn)個性化搜索，成為目前研究的重要課題。所謂個性化搜索指的是通過收集和分析用戶信息來學習用戶的興趣和行為，從而實現(xiàn)主動推薦的目

2、的搜索。
　　為了準確地表示用戶興趣，應該對用戶訪問過并且感興趣的網(wǎng)頁特征進行準確地描述。即希望能用簡潔而有代表性的特征描述網(wǎng)頁內(nèi)容。因此，對于網(wǎng)頁信息描述的準確與否將直接影響用戶興趣描述的準確與否，這是個性化服務的核心問題。然而，對于網(wǎng)頁信息的描述方法卻很少有人系統(tǒng)地研究，本文針對網(wǎng)頁特征的描述方法進行了探討，主要進行了以下三個方面的研究工作：
　?、倩谟脩襞d趣的網(wǎng)頁正文的提取。目前網(wǎng)頁的形式多種多樣，包含了大量與網(wǎng)頁主

3、題無關的內(nèi)容，如廣告、圖片、無關鏈接等，這些與網(wǎng)頁主題無關的內(nèi)容會嚴重影響搜索引擎等Web服務的效果。本文通過對網(wǎng)頁HTML的語法分析，在基于HTML元素的網(wǎng)頁正文提取算法基礎上，基于啟發(fā)式規(guī)則對網(wǎng)頁正文提取方法進行了改進，得到了基于超鏈接到無網(wǎng)頁正文提取算法，測試結果表明這種方法能有效地得到大部分HTML網(wǎng)頁的正文部分。
　?、诨谂d趣詞典的網(wǎng)頁分詞技術。傳統(tǒng)的機械分詞的詞典數(shù)據(jù)量龐大，分詞系統(tǒng)的負荷很大。針對網(wǎng)絡用戶的興趣不同

4、，本文利用興趣詞典這一新概念，通過對不同用戶瀏覽過的網(wǎng)頁集進行分詞處理，分別為每個用戶建立不同的興趣詞典。該詞典存放于客戶端，從而將網(wǎng)頁關鍵詞提取的工作由服務器端轉移到客戶端，節(jié)省了系統(tǒng)開支，并且通過實驗表明基于用戶興趣詞典的網(wǎng)頁關鍵詞提取在保持分詞精度的同時可以增強系統(tǒng)的實時性，降低了網(wǎng)頁描述的維度。
　　③本文以矢量空間模型為Web文本的表示方法，在網(wǎng)頁標簽分析的基礎上，在網(wǎng)頁描述時結合了網(wǎng)頁正文中“多詞長句”特征，對常用的詞