摘  要：为了提升网页信息标注的整体效果，同时降低标注失误的概率，通过三元组构造标注预处理，在深度学习技术下标注描述目标设定，设计深度重叠标注模型，在深度学习下通过逻辑回归实现Web网页信息的标注。相较于传统的特征提取标注测试组和传统的自定义标注测试组，文章设计的深度学习标注测试组最终得出的标注完成率相对较高，标注失误率相对较低，具有实际应用意义。

关键词：深度学习;Web网页;标注方法;深度控制

中图分类号：G202  文献标识码：A文章编号：2096-4706（2021）22-0089-03

Abstract： In order to improve the overall effect of web page information tagging and reduce the probability of tagging errors， the tagging preprocessing is constructed through triples， description goal setting is tagged under the deep learning technology， the deep overlapping tagging model is designed， and the tagging of web page information is realized through logical regression under the deep learning technology. Compared with the traditional feature extraction tagging test group and the traditional self-defined tagging test group， the tagging completion rate of the deep learning tagging test group designed in this paper is relatively high， the tagging error rate is relatively low， which has practical application significance.

Keywords： deep learning; Web page; tagging method; depth control

0  引  言

近年来，计算机技术和互联网技术的不断创新，极大地促进了我国网络环境的充分发展[1]。传统的互联网网页都是以关联静态的形式呈现的，同时网页中所承载的相关数据信息也是静态的，具有一定的稳定性，且大多数都是以HTML语言来书写，比较适合持续性阅读;另外，还有一部分网页，数据信息是以流动的形态存在的，且具有可下载的优势，当用户需要浏览或使用这部分网页中的数据信息时，可以通过特定的位置、按钮进行资料数据的检索及下载，而网页中的数据仍会继续存在，不会影响未来其他用户的使用[2]。

部分用户在应用过程中，需要对所阅读的内容做出标注，以此达到有序学习的目的。而传统的系统对于标注的设定较为单一，仅仅是对所阅读的段落或字数进行汇总整合，并做下脚标注，形式老化，缺少新意，虽然可以达到预期的目标，但在实际应用过程中，仍然存在一些问题和缺陷，给用户最终的使用带来较大的负面影响[3]。……