基于语义的信息采集方法及系统技术方案

本发明专利技术涉及数据挖掘技术领域，具体涉及一种基于语义的信息采集方法及系统。该信息采集方法包括步骤：S1.根据网络资源的典型特征，建立网络资源抽象数据模型；S2.借助搜索引擎从互联网采集网络信息，并将采集的网络信息用所述网络资源抽象数据模型进行格式化处理；S3.对格式化处理后的网络信息进行聚类分析，并根据聚类分析结果将所述网络信息划分入对应的话题中，并提取每个话题的标签；S4.对所述步骤S3中处理结果进行可视化展示。本发明专利技术由话题驱动进行网络资源组织、可视化展示以及对网络资源的下载和离线查看，从而可以多维度的对网络信息进行展现，以形象、直观的方式将网络信息呈现给用户，实现了提高用户浏览效率的效果。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及数据挖掘
，具体涉及一种基于语义的信息采集方法及系统。该信息采集方法包括步骤：S1.根据网络资源的典型特征，建立网络资源抽象数据模型；S2.借助搜索引擎从互联网采集网络信息，并将采集的网络信息用所述网络资源抽象数据模型进行格式化处理；S3.对格式化处理后的网络信息进行聚类分析，并根据聚类分析结果将所述网络信息划分入对应的话题中，并提取每个话题的标签；S4.对所述步骤S3中处理结果进行可视化展示。本专利技术由话题驱动进行网络资源组织、可视化展示以及对网络资源的下载和离线查看，从而可以多维度的对网络信息进行展现，以形象、直观的方式将网络信息呈现给用户，实现了提高用户浏览效率的效果。【专利说明】基于语义的信息采集方法及系统
本专利技术涉及数据挖掘
，具体涉及一种基于语义的信息采集方法及系统。
技术介绍
网络资料(资源)是指互联网上各种信息资源的总和，包括电子文献、数据库、数字化文献、数字化书目、电子报刊、网络新闻等各种形式的知识、资料、情报、消息等的集合互联网上的资料信息具有数据量大、更新速度快、时效性强等特点，每天有大量的网络信息产生本文档来自技高网...

【技术保护点】
一种基于语义的信息采集方法，其特征在于，包括步骤：S1.根据网络资源的典型特征，建立网络资源抽象数据模型；S2.借助搜索引擎从互联网采集网络信息，并将采集的网络信息用所述网络资源抽象数据模型进行格式化处理；S3.对格式化处理后的网络信息进行聚类分析，并根据聚类分析结果将所述网络信息划分入对应的话题中，并提取每个话题的标签；S4.对所述步骤S3中处理结果进行可视化展示。

【技术特征摘要】

【专利技术属性】
技术研发人员：李涓子，祁羽，何巍，焦程波，张鹏，杨瑞兵，
申请(专利权)人：清华大学，
类型：发明
国别省市：