网页信息采集子系统： 网页采集：动态查找及实时分析新增网页，读取网页回帖信息。 网页过滤：，对获取的网页，通过网页清洗模块清除网页中的广告、导航信息、 图片、版权说明等噪声数据，萃取出相关网页的标题、正文、链接地址、采集时 间、回帖、发帖人数等数据。 网页信息预处理子系统： 网页审查脏字：主要功能包括中文分词、词性标注、命名实体识别、新词识别， 建立数据库说明每类词库，建立敏感词词库。 网页舆情监测：监测是否出现了一定影响的舆论，即回帖的回帖或支持、顶等 达到

敏感词库，用于敏感词过滤等系统的词库设置，包含1k多个词(Sensitive thesaurus, used for thesaurus establishment of sensitive words filtering system, including 1K multiple words.)