一种自动化收集和提取企业创新活动信息的方法及系统

本发明提供了一种自动化收集和提取企业创新活动信息方法及系统，通过S1基于TF‑IDF的关键词抽取算法，建立创新活动信息的特征词库；S2扫描目标网站的网页结构，定位到目标网页并获取网页源代码；S3依据HTML标签进行分块，得到待识别文本块；S4.依据所述特征词库，计算所述待识别文本块与所述目标信息的相关度，依据所述相关度筛选得到创新活动内容；S5.利用爬虫工具抓取创新活动内容；S6.对抓取到的所述目标内容进行质量评价及价值分类；S7将所述高价值的所述目标内容存入企业信息库，将所述低价值的所述目标内容存入备用对照学习库，实现了对企业创新活动信息高效、精准地抓取，并提高这些信息的利用率。