Java 我还能用什么网页元信息来分类某个主题的网页相关性？

我正在做一个算法，尽可能使用所有的元信息，但不包括正文的文本内容，对一些主题（如“电影”）的页面相关性进行分类

我想知道我可以用什么来确定一个页面是否有一些关于主题的信息

目前，我给了标题40%的重要性，域后链接30%，域20%，元关键字10%，但我想我可以用更多的东西来更精确。我将一些单词与一些权重进行匹配，以计算页面的相关性

---

我还能用什么来计算相关性呢？我只想排除HTML本身中的文本内容，但可以使用HTML结构。

我认为您应该考虑主菜单链接，如果是子菜单链接，则考虑链接，以便使其更简单。您还应该考虑元数据。但我仍然不确定你想要实现什么

---

据我所知，您正试图为网页建立一些相关性公式。

如今，许多网站使用基于标题的元标记。也许这有帮助？你的问题标题询问了一些关于页面相关性的问题，但问题内容询问了另一个页面主题/类别。如果网页属于某个类别，是否要进行分类？你能看看链接锚文本吗？@Felipe我编辑了标题，我想了解一些主题的相关性。页面与电影、音乐、游戏或IT等的相关性。对于元信息，我指的是页面内容本身以外的所有内容，如此消息。这是因为页面可以在不同的上下文中包含很多内容，比如我的问题、答案、相关问题、逆境等等。关于锚，看起来是个好主意，我会考虑一下。谢谢@回家谢谢你的想法，我会更仔细地看这个，但我认为这是没有太多的页面使用它，对吗？