随着网络技术的飞速发展,网络信息处理得到了很大的重视,吸引了许多国内、外学者从事该领域的研究与探讨.网页识别和网页信息挖掘技术在实际应用中日益显示出它的重要性.特别是互联网上某一特定类型信息的识别技术应用,更能体现出用户的实际需求.该课题针对互联网上歌词网页这一特定类型信息识别进行研究.该文在分析网页信息处理方法的基础上,对歌词网页识别提出了新的识别算法,同时在Linux操作系统下利用标准C++编程语言,实现了基于中文和日文两种不同语种的歌词网页识别系统.该文按照模块化的思想设计并实现了歌词网页识别系统.在系统的实现中,为了提高系统的识别准确率,并使系统易于在不同语种平台的移植,该文提出了两种新的处理机制,即分级识别机制和语种相关部分和不相关部分分开设计的处理机制.最后,该文对系统测试集的定义进行了讨论.并利用这些测试集对系统进行测试.该文给出了两上不同语种版本系统的测试结果,同时对系统的错误识别原因进行了详细的分析.该课题的研究开发,是一个具体的实用课题研究,在研发过程中得到了日本富士通北京研究与开发公司的资助,并有幸成为了富士通公司日本总部该年度产口的项目计划之一.网页识别技术是网终信息处理领域中一个新的研究课题,它的发展还需要更多学者、专家的参与和关注,不断加于完善.