基于web數(shù)據(jù)挖掘的企業(yè)競爭情報系統(tǒng)設計與實現(xiàn).pdf

1、隨著互聯(lián)信息的多元化，互聯(lián)網上海量的信息源能提供豐富的情報信息來源，因此互聯(lián)網上的開源情報越來越受到情報工作人員的重視。本文通過互聯(lián)網開源情報搜集技術和情報分析理論的研究，旨在構建集情報采集、情報分析、情報服務于一體的企業(yè)競爭性情報系統(tǒng)。
　　本文系統(tǒng)地闡述了企業(yè)競爭情報的理論，提出了基于Web開源數(shù)據(jù)挖掘的企業(yè)競爭情報系統(tǒng)體系構架，將企業(yè)競爭性情報系統(tǒng)劃分為情報搜集子系統(tǒng)、情報分析子系統(tǒng)和情報服務子系統(tǒng)。
　　然后本文對各

2、個子系統(tǒng)的設計和實施中所涉及的關鍵技術進行了探究。在情報搜集子系統(tǒng)中采用了主題的網絡聚焦爬蟲和元搜索數(shù)據(jù)采集技術保證數(shù)據(jù)采集主題的相關性，構建網絡爬蟲器對Web數(shù)據(jù)進行自動采集和下載，通過網頁正文抽取技術、PDF與 Office文檔文本轉換技術對下載的半結構化數(shù)據(jù)進行結構化處理，并對結構化數(shù)據(jù)采用“I-Match”算法進行文本查重，將數(shù)據(jù)全文索引后保存，構建起企業(yè)競爭性情報系統(tǒng)的情報自動采集和數(shù)據(jù)處理平臺。在情報分析子系統(tǒng)中，采用中文文