私はいくつかのテーマのためのページの関連性を分類するために使用することができますより多くのWebページのメタ情報の任意のアイデア？

Question

私は可能な限りすべてのメタ情報を使用して、映画のようなテーマのページの関連性を分類するアルゴリズムを行っていますが、本文のテキストコンテンツは除きます。

私は、ページにテーマに関する情報があるかどうかを判断するために何が使えるのかを知りたいと思います。

現時点では、タイトルの40％、ドメインの後ろのリンクの30％、ドメインの20％、メタキーワードの10％の重要性を与えていますが、もっと正確なこと。私は、ページの関連性を計算するためにいくつかの単語にある重み付けを一致させています。

さらに関連性を計算するために何を使用できますか？私は、HTML自体の中のテキストコンテンツを除外したいだけですが、HTML構造を使うことができます。

Answer 1

私はあなたがメインメニューのリンクについて考えるべきだと思います。サブメニューがリンクすれば、もっと簡単にリンクすることができます。また、メタデータをカウントする必要があります。しかし、まだ私は何を達成しようとしているのか分からない。

ウェブページの「関連性」の数式を作成しようとしていると思ったからです。