一种基于语义相似性的新闻网页正文提取方法及系统

本发明公开了一种基于语义相似性的新闻网页正文提取方法及系统，属于数据处理技术领域。本发明方法，包括：针对目标新闻网页，基于语义相似性提取出目标新闻网页的新闻标题，并筛选出所述新闻标题的最相关段落；基于所述最相关段落，界定出与所述新闻标题对应的正文范围；在所述正文范围内，提取出新闻网页正文。本发明以标题为线索，使用文本语义作为搜索工具，继而界定正文范围，既强化了正文提取的正确性又保证了完整度。