一张网页通常由许多信息块组成, 除了主题内容块以外, 还常常包含广告信息、导航条、版权信息等信 息块。结合网页块大小、位置等信息以及网页本身的一些特点, 提出了一种基于块分析的、自动调整阈值的去 除噪音方法, 该算法显著减少了网页的噪音, 并通过网页分类对比实验证明了该算法的有效性。