目前互联网上存在着种类繁多的旅游资源,旅游管理部门要对以上资源进行监控,同时游客也要检索出自己感兴趣的个性化信息,这需要花费大量的时间和精力。本论文对旅游网络资源监控系统进行了研究与实现。论文完成的主要工作如下：(1)提出和构建了一种主题采集算法,建立了起始URL、话题关键字和URL预测机制。该算法包含三个阶段：首次爬行阶段、学习阶段、连续爬行阶段。采用开放式分类目录搜索(ODP)进行相似度判断以及结果评价。实验结果表明随着爬行过程的连续执行,相关页面的搜集速度越来越快。(2)提出了基于文本密度的文本抽取TTR算法。该算法按行计算出文本标签比值,并采用阈值抽取算法区分出文本区域和非文本区域。实验结果表明TTR算法能从种类繁多的网页中成功抽取出文章的主体内容。(3)提出了改进的aRocchio算法用来计算个人特征矩阵,将改进的aRocchio算法与已有的Rocchio算法进行了比较。提出了混合特征匹配算法。采用基于评分的I-PageRank搜索排序算法进行排序。实验结果表明以上算法使系统的检索性能得到了较大提高。(4)实现了旅游网络资源监控系统,该系统包括主题采集子系统、文本抽取子系统、个性化检索子系统。对各子系统的主要实现进行了详细说明,并对各个子系统进行了测试。本论文以旅游网络资源的监控为研究对象,建立了旅游网络资源监控系统,可为用户提供可定制的、全方位的、实时的旅游网络资源采集、抽取和检索服务,从而为旅游资源的监控和游客出行带来便利。