网页净化与消重是大规模搜索引擎系统预处理环节的重要组成部分。网页净化（noise reduction）：识别和清除网页内的噪声内容（如广告、版权信息等），并提取网页 主题以及与主题相关的内容。网页消重 （replicas or near—replicas detection）：去除所搜集网页集合中主题内容
本文由站长之家合作伙伴自媒体作者“”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。