【摘要】本研究针对舆情信息源特征就舆情信息增量采集、提取和存储、文本信息预处理提出了基于Web-Harvest的定点信息采集以及基于输入法平台的新词收集策略,构建了一个互联网用语扩展词库,实现了信息预处理关键模块。