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

1、隨著互聯(lián)信息的多元化，互聯(lián)網(wǎng)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(wǎng)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(wǎng)開源情報搜集技術(shù)和情報分析理論的研究，旨在構(gòu)建集情報采集、情報分析、情報服務(wù)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(gòu)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(wù)子系統(tǒng)。
　　然后本文對各

2、個子系統(tǒng)的設(shè)計和實施中所涉及的關(guān)鍵技術(shù)進(jìn)行了探究。在情報搜集子系統(tǒng)中采用了主題的網(wǎng)絡(luò)聚焦爬蟲和元搜索數(shù)據(jù)采集技術(shù)保證數(shù)據(jù)采集主題的相關(guān)性，構(gòu)建網(wǎng)絡(luò)爬蟲器對Web數(shù)據(jù)進(jìn)行自動采集和下載，通過網(wǎng)頁正文抽取技術(shù)、PDF與 Office文檔文本轉(zhuǎn)換技術(shù)對下載的半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，并對結(jié)構(gòu)化數(shù)據(jù)采用“I-Match”算法進(jìn)行文本查重，將數(shù)據(jù)全文索引后保存，構(gòu)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