网页结构相似性的度量是Web信息处理中的一项重要任务，在数据抽取和搜索引擎等研究领域有着潜在的重要研究价值。好的相似性度量方法可以提高数据抽取的准确率和速度，还可以提高搜索引擎的速度、提高返回数据的质量、减少大量冗余数据占据的存储空间。实现该任务的已有算法往往存在着时间复杂度过高的问题。　　 通常，简单的DOM树模型可用于HTML文档建模，展现文档的结构信息模型。然而，DOM树只是把文档按照其结点的嵌套结构表示为树结构，它并不能够表达重复子树这样的结构信息。而重复子树这种内部结构信息对于web文档间的结构相似性度量是相当重要的。　　 为了解决这一问题，本文提出了一种称为“Tag-Bag树”的树模型。该模型使用Bag节点来表示树中的重复元素(重复元素在很多web应用中都非常重要)，从而可以捕获半结构化文档的结构信息。基于Tag-Bag树模型，我们进一步提出CTM(Complex Tree Matching)算法来计算两棵Tag-Bag树的最大匹配作为它们之间结构相似度的度量。与现有的编辑距离计算算法相比，CTM算法不允许结点的替换和跨层匹配，从而具有较高的运行效率。此外，CTM算法的另一个优点在于它能够辨别一个页面中出现的单一重复模式(当这个模式可能在另一个页面中出现多次的时候)。最后，试验结果表明：本文所提出的方法不论在速度还是精度上都要优于著名的Bag of XPaths方法。