产品介绍 Product Introduction

进入信息社会之后，“数据”的概念和内涵在不断的丰富，大数据不仅局限于数据容量的概念，而更多的是指大含量、大价值，面对互联网海量的信息，政府机关、企事业单位和研究机构都迫切希望获取与自身工作相关的有价值信息，如何方便快捷地获取这些信息就变得至关重要了。

信息抽取技术对于从大量信息中抽取需要的特定信息是非常有用的。互联网上的信息分散杂乱,同一主题的信息通常在不同的网站上,表现形式各不相同。信息抽取技术提取网络信息中的特定信息,用结构化的形式存储。

信息提取(Information Extraction,简称IE)的目标是从自然语言文档中找到特定的信息,是自然语言处理领域特别有用的一个子领域。IE系统中的关键组成部分是一系列的抽取规则或模式,其作用是确定需要抽取的信息。

Web信息抽取(Web Information Extraction,简称为WebIE)是将Web作为信息源的一类信息抽取,从半结构化的Web文档中提取数据,属于Web内容挖掘的范畴。Web信息抽取继承了传统信息抽取技术的研究成果,其核心是将半结构化的HTML页面中的信息抽取出来,进一步以更结构化、语义更清晰的形式表示,为用户在查询等应用程序中利用Web中的数据提供便利。

华汇汇思信息采集分析系统是以信息处理和数据挖掘技术为核心技术，以信息采集、信息检索、信息分析处理为核心功能，其采集方法灵活、采集数据准确、海量信息智能分析。系统根据用户自定义的任务配置，批量而精确地抽取目标网页中的半结构化与非结构化数据，转化为结构化的记录，保存在本地数据库中，用于内部使用或外网发布，快速实现外部信息的获取。

华汇汇思信息采集分析系统主要用于：舆情监测，专业知识信息采集、网站新闻采集，行业资讯采集，竞争情报获取，商业数据整合，市场研究，数据库营销等领域；

信息采集

系统可自定义采集任务配置，自动、定时地采集互联网信息内容，并对信息进行收集、整理、归类、存储，统一管理抓取的信息，把互联网上的海量信息数据转化为可利用的本地信息。

信息检索

以多种检索方式对采集到的信息进行查询检索，准确获取所需信息；

信息分析

系统自动提取关键词、自动分类、自动聚类等，实现信息个性化分析和信息资源共享。

精确度高

用户可以按照自身需要自行选择、设定监测的目标网站和特定信息源，实施24小时不间断监测和采集，信息动态始终处于掌握之中。系统支持将网页中的信息内容按日期、标题、作者、栏目进行提取，过滤网页中的无用信息。扩展抓取采集范围可以精确到特定网站、特定栏目、特定页面、特定区域；

易用性好

系统参数设置简单，一次设置多次使用。采用精确抓取时针对不同用户应用要求，可设定“所见即所得”的拖拽选取信息内容方式。设置过程直观、便捷。系统能将收集的信息进行精确的自动分类与整理，按照用户要求进行快速推送。

灵活性强

系统具有很强的灵活性，可按需选择目标站点，并根据形势的变化，随时更换目标站点。用户可直接到某一网站抓取用户想要的特定栏目下的信息，它仅仅要求用户设定特定的抓取条件，用户需要的内容就会自动被抓取和保存下来，从而实现由用户上网找信息转变为信息自动流向用户的方式。

采集内容全面

适应网站内容格式的多变性，能完整地获取需要采集的页面，遗漏少，网页采集内容的完整性在99% 以上。

抓取速度快

系统支持多线程处理技术，支持运行多条线程的同时抓取。可快速高效地对目标站点或栏目进行信息采集，大大加快了信息的抓取速度，保证在同等单位时间内信息的抓取量成倍数增长。