■  网页爬取

1、灵活地网页爬取的策略和控制

     可以灵活配置网页的爬取策略，包括设置被爬取的目标站点、关键字、页面深度、页面数量，提供正则表达式风格的爬取过滤器。对爬取过程具备良好的可控性，包括对爬取的启动、停止、调度计划、过程监视、集群式爬取等功能。

2、基于统计学习的自然语言处理

     基于大规模语料进行统计学习的方法与基于规则的方法相结合来实现分词、歧义消除、词性标注、命名体识别、句法解析、指代消解、时间推理等底层的自然语言处理功能，由此使得构建在此基础上的文本检索、分析和挖掘等顶层功能在准确度和性能方面相比于传统有了数量级的提升。

3、 知识脉络分析

     不仅提供微观层面的文本单一检索，还支持宏观层面的知识脉络分析。以文档集为基础，以主题词或关键字为核心，统计分析各文本中所含有知识点及其相互间的关系，通过脉络图、趋势图等可视化方式展示知识点的时间变化趋势；展示知识点的热度及其变化趋势，展现知识点之间的共现关系，以及展现各知识点之间交叉、融合关系的演变。