预处理 去掉网页中的导航信息 ■去掉HTL网页中的tag标记 ■（中文）分词、词性标注、短语识别、 . ■ 去除停用词和词根还原(stemming) ■数据清洗：去掉不合适的噪声文档或文档内垃 圾数据 0。●00预处理 „ 去掉网页中的导航信息 „ 去掉HTML网页中的tag标记 „ (中文)分词、词性标注、短语识别、… „ 去除停用词和词根还原(stemming) „ 数据清洗：去掉不合适的噪声文档或文档内垃 圾数据 „ ⋅⋅⋅⋅⋅⋅