1、眾所周知，互聯(lián)網現(xiàn)已成為目前最大的信息資源平臺，它已經成為信息工作人員搜集公開信息的一個重要途徑。不同領域的信息工作者所關注的主題不同，他們需要每日固定跟蹤一些主題網站來獲取有效信息，主題網站就是指主題比較明確集中的網站。但是網絡世界變化快，網絡中每天都可能有新的網站建立起來，或者信息工作者以前沒有發(fā)現(xiàn)的網站，如果他們不去發(fā)現(xiàn)這些與自身研究主題相關的新網站的話，可能會造成錯失重要情報的后果。因此信息工作者不能局限于固定跟蹤的幾個網站，他

2、們需要不斷發(fā)現(xiàn)新主題網站信息源并對其進行跟蹤。如何才能發(fā)現(xiàn)新的主題網站，如果僅靠人工發(fā)現(xiàn)的話，由于互聯(lián)網的海量信息，人工搜索的工作量大且效率不高。因此我們提出交給計算機來自動幫助我們發(fā)現(xiàn)這些相關主題網站。
　　本文在研究一系列相關理論包括關鍵詞提取理論、信息采集理論以及相似度計算理論的基礎上，改進了關鍵詞提取算法，提出了網站主題描述模型以及網站相似度計算，并且設計了一套計算機自動發(fā)現(xiàn)主題網站的解決方案：從用戶已經關注的網站稱為“樣

3、本網站”出發(fā)，從樣本網站中提取出主題信息，設計主題描述模型來量化描述這些主題信息，利用主題描述模型的關鍵詞組合進行網頁信息的搜索，從搜索到大量網頁中提取主題相關的網站，并且與樣本網站進行相似度計算，將相似度高的網站判定為主題相關網站，推薦給用戶選擇是否作為關注網站，從而實現(xiàn)主題網站的自動發(fā)現(xiàn)以及判定。
　　最后本文針對這套方案的關鍵部分進行了實驗：關鍵詞提取實驗證明改進的TF-IDF算法在關鍵詞提取方面優(yōu)于傳統(tǒng)算法；主題網站發(fā)現(xiàn)效