随着因特网的蓬勃发展,网络信息呈现出爆炸式增长,互联网成为一个巨大的信息宝库,如何准确快速地处理网络信息成为目前的研究热点之一。网络信息处理的基础首先是信息采集,即从互联网不同的信息源中获取各种数据。网络现已成为信息制造及传播的主要媒体。网络中不断出现的网络新词又称为未登录词,及时准确的发现未登录词也是网络信息处理的关键问题和重要研究内容。通过识别未登录词,可以更加准确地进行文本信息处理。为此,论文一方面致力于研究针对互联网各种信息媒体的采集及精确信息抽取技术,主要包括针对论坛,新闻,博客,微博,局域网内部全网的信息采集技术。另一方面,论文针对互联网新词的识别技术进行研究,提出了有效的识别算法。论文的主要研究工作包括：1.设计并实现针对网络论坛、新闻门户网站及博客的高效的信息采集方法及数据结构化方法。这些方法可以实现对论坛主贴、回复信息、网络新闻、博客内容的信息自动抓取,将其按照中文习惯对采集的信息进行结构化存储。2.设计并实现针对新型媒体——微博数据的采集方法,该方法可以实现对多个微博网站关于指定话题的微博数据的自动抓取。3.设计并实现通用全网爬虫程序,实现对指定局域网内部所有网站自动发现及抓取,并在一定程度上实现了数据的结构化抽取。4.对未登录词识别技术进行研究,借鉴图论中极大团挖掘概念,提出一种针对网络新词的基于极大团的识别算法,可以有效的识别网络中出现的新词。目前,论文所述的各种采集方法都已经应用到不同项目的爬虫系统中,取得了可喜的效果。但有些技术细节的处理比较简单,例如爬虫精确采集过程主要采用了基于规则的信息抽取技术,虽然准确率很高,但是需要大量人力去制定规则,而且如果论坛结构稍微改变,则规则必须重新制定。对此,还希望继续展开深入研究,使采集的效率和易用性等更强。