ページの特徴付けにテキスト部分を加えても良いかも。
テキスト部分は…

これらを1要素ごとに（プレーンテキストは固有名詞が1要素）集計して、上位数語を辞書順にソートして。
できれば色のように混ぜたい。が、そのためには単語に位置関係を持たせないと。