java用神经网络对网页进行分类？

Question

所以我正在做一个java项目，我有一个webcrawler，可以从它找到的网站检索和下载html。你输入一个单词，比如Java，然后我的程序在谷歌搜索网站并下载html数据

所以现在我尝试用神经网络来预测这个网站是否是我想要的，是的，我知道我需要大量的数据，并且必须手动输入网络。我被困的地方是将html转换成神经网络的数字

起初我想把html转换成纯文本，然后给每个字母分配一个数字，然后就有了一个由一堆数字组成的文档，这些数字构成了单词。我不确定神经网络会如何看待这一点，所有这些数字是一个输入，还是每个单词都是神经网络的输入，这会导致输入数量不确定的问题，如果网络允许将其作为一个输入，这是否是一种可行的分类方法，如果一个网站是我想要的还是不想要的