目前Web信息量剧增,Internet已经成为人们重要的信息来源。当人们浏览网页时,会出现大量的导航条,广告信息,版权信息以及调查问卷等相关信息,这些信息通常并不是人们所要获取的实际内容,人们称这样的网页内容为“网页噪声”。通常人们在通过网络信息检索软件,例如搜索引擎等查询自己关心的内容时,希望能把搜索到的与搜索条件(关键词等)紧密相关的内容显示出来,而其中最好不包含或少包含网页噪声。因此,网页噪声的识别与消除,近些年来已成为网络信息检索领域中的重要研究课题。本文首先对web网页的相关概念及体系结构做了介绍,然后对已有的网页噪声识别与消除方法进行了阐述和分析,在此基础上提出了一种网页噪声识别与消除的方法。该方法的基本思想是先根据网页的内容生成相应的DOM树,然后根据DOM树提供的信息按照一定的规则进行网页噪声信息识别,并形成一个可疑网页噪声信息表示模型。在信息检索时,可根据可疑网页噪声信息表示模型提供的信息,对检索到的信息,采用VSM方法进行相似度计算,并根据相似度计算结果确定最终要去除的网页噪声。论文给出了网页噪声的具体识别方法,可疑网页噪声信息表示模型的形成流程和具体算法,相似度计算及其阈值的选定方法等。作者对本文提出的网页噪声识别和消除方法,以Lucene+Heritrix框架为基础,设计了一个有关的模拟实验环境,并在此环境下,采用实际的网站网页进行的模拟试验。实验表明,论文给出的网页噪声的设别和消除方法是可行和有效的,与其它同类方法相比,在网页噪声的识别与消除的准确率和效率都有所提高。