1.一种基于变异思想改进粒子群算法的主题爬虫系统，其特征在于：包括种子集选取模块、页面初始权值计算模块和基于变异思想改进粒子群算法模块，所述种子集选取模块用于根据主题相关页面的点击率获取3种不同类型的种子页面；所述页面初始权值计算模块用于构建主题向量和权值计算；所述基于变异思想改进粒子群算法模块用于计算并输出局部极值。

2.根据权利要求1所述一种基于变异思想改进粒子群算法的主题爬虫系统，其特征在于：所述3种不同类型的种子页面包括关键字对应的官网或权威机构，关键字的维基百科，关键字在Google搜索的结果中点击率最高的网页。

3.根据权利要求2所述一种基于变异思想改进粒子群算法的主题爬虫系统，其特征在于：所述3种不同类型的种子页面每种页面选取一个。

4.根据权利要求2或3所述一种基于变异思想改进粒子群算法的主题爬虫系统，其特征在于：所述种子集选取模块还包括人工去重，即对于类型接近，权重因子相似的网页只选其中具有代表性的一个页面。

5.根据权利要求1所述一种基于变异思想改进粒子群算法的主题爬虫系统，其特征在于：所述页面初始权值计算模块包括网页文本预处理模块、关键词选择模块及权值计算模块；

网页文本预处理模块：包括去停用词模块和词形归并模块，去停用词模块去掉了对网页的主题没有贡献的最常见单词，词形归并模块中整合源于同一个词根的词；

关键词选择模块：采用TFIDF算法得到各个词项的权重并按照大小排序，选择前30％的名词和动词作为特征词项并以此为基础作为网页的特征向量；

权值计算模块：计算给定主题的网页URL、网页全文、网页锚文本和网页周边文本的权重。

6.一种基于变异思想改进粒子群算法的主题爬虫方法，其特征在于：包括根据主题相关页面的点击率获取3种不同类型的种子页面的步骤；构建主题向量和权值计算步骤；基于变异思想改进粒子群算法步骤。

7.根据权利要求6所述一种基于变异思想改进粒子群算法的主题爬虫方法，其特征在于：所述3种不同类型的种子页面包括关键字对应的官网或权威机构，关键字的维基百科，关键字在Google搜索的结果中点击率最高的网页，每种页面选取一个。

8.根据权利要求7所述一种基于变异思想改进粒子群算法的主题爬虫方法，其特征在于：还包括人工去重步骤，人工去重原则为对于类型接近，权重因子相似的网页只选其中具有代表性的一个页面。

9.根据权利要求6所述一种基于变异思想改进粒子群算法的主题爬虫方法，其特征在于：所述构建主题向量和权值计算步骤具体步骤如下：网页文本预处理：去掉对网页的主题没有贡献的最常见单词，整合源于同一个词根的词；

关键词选择：采用TFIDF算法得到各个词项的权重并按照大小排序，选择前30％的名词和动词作为特征词项并以此为基础作为网页的特征向量；

权值计算：计算给定主题的网页URL、网页全文、网页锚文本和网页周边文本的权重。

10.根据权利要求6所述一种基于变异思想改进粒子群算法的主题爬虫方法，其特征在于：所述基于变异思想改进粒子群算法包括以下步骤：(1)初始化种群位置和速度：其中xi是粒子的位置，vi是粒子的速度，vi1,vi2,...,vid为每一 个维 度的 速 度 ，初 始值 为 xi d＝ v id ，初始 位置 计 算公 式如 下 ：初始速度计算公式： 其中d表示

粒子群总数，xi1,xi2,...,xid表示各个粒子的位置；

(2)计算权值：计算公式为 vi2是网页全文在网页i中的加

权值，tfi和idfi是网页全文在网页i中的术语频率和逆文档频率，fi指给定关键词出现的次数，fmax是所有词出现的次数总和，N为语料库中的文件总数，Ni是包含词语的文件数目；

(3)更新速度和位置：更新的位置计算公式如下：x1(t+1)＝x1(t)+vi(t+1)，更新的速度计算公式如下：v1(t+1)＝v1(t)+c1r1(t)(pbesti(t)-xi(t))+c2r2(t)(gbesti(t)-xi(t))，C1和C2表示两个独立的加速度系数，r1(t)和r2(t)为两个独立的随机数，其取值范围均为(0，

1)，其中，v1(t+1)表示粒子更新后的速度值，v1(t)表示粒子现在的速度值，pbesti(t)表示对于i粒子方向的局部极值，xi(t)表示粒子当前的位置，gbesti(t)表示t时刻的全局极值；

(4)变异操作：首先采用PSO算法搜索网页，当PSO算法陷入局部极值时，引入GA算法只对陷入局部极值的粒子进行变异操作，再继续进行全局搜索，直到满足终止条件；

(5)更新局部极值：根据步骤(2)计算出各权重因子的权值，将最大的速度值vik依据比例变成1，其他权值依据比例1/vik增加；

(6)迭代计算，输出局部极值：需要计算粒子和当前网页的相似性，且设置了相似度的阈值，取值范围为[0,1]，如果网页和全局极值的相似度低于阈值，则下载。