Web信息采集系统的设计与实现.docx

基于主题的 Web 信息采集系统的设计与实现 李盛韬，赵章界，余智华 （中国科学院计算技术研究所 软件研究室，北京 100080） 摘 要： 基于主题的 Web 信息采集是信息检索领域内一个新兴而有实用价值的方向，也是信息处理 技术中的一个研究热点。本文分析了主题 Web 信息采集的基本问题，提出了难点以及相关的解决方案， 并在此基础上设计实现了“天达”主题 Web 信息采集系统。 关键词： 信息采集；信息检索；信息处理；主题 Email： lishengtao@ ; zhaozj@ ; yzh@ 中图分类号： TP391 文献表示码： A 基金资助： 中科院计算所领域前沿青年基金资助 (资助号 8 ) Design and Realization of Focused Web Crawler LI Sheng-tao， ZHAO Zhang-jie ， YU Zhi-hua (Software Division, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100080, China) Abstract: