互联网信息定向采集研究

摘要

本文提出了一种互联网信息定向采集方法。通过对互联网的定向搜索，对网页的内容进行分析处理(分词、建立VSM向量，计算网页内容相关度)，实现在互联网上有选择地采集用户需求的内容，并进行存储。它与广度优先搜索和深度优先搜索相比，有更高的效率和更小的代价。系统资源和网络资源消耗很小，更新快，比较接近当前的Web，用户个性化满足好。此系统可进行专题研究，可形成立体的专题库(时间和空间)，进行历史资料的积累和查阅。