在互联网快速发展的今天，网络信息已经成为人们信息获取的主要来源。对于某些行业的发展而言，新闻信息的及时获取对企业的发展至关重要，是发展规划和决策的重要信息保障。由于网络新闻信息具有信息量大、增长速度快和及时性强的特征，而企业或个人对新闻信息的要求一般具有时变性弱、主题性强的特点。因此，研究如何快速准确、自动获取与客户相关的新闻信息，对企业及时了解交易对手状况，以便及时采取应对措施，具有重要的实际意义。　　 本文将在深入研究网络新闻信息自动识别、分类和检索等相关技术的基础上，采用JSH技术框架，并结合现有的网络主题爬虫、文本识别、SVM增量式算法等智能信息处理技术，设计并初步实现了一套专项客户新闻自动检索系统。论文的主要工作和贡献为:　　 1.研究了网络主题爬虫技术和文本特征提取等相关技术方法。在此基础上，采用专项主题爬虫，实现了针对指定信息源信息的定时爬取，并通过专项主题分析和模糊匹配的技术对爬取回来的信息进行过滤。最后，再根据中文分词技术和基于统计的特征空间提取法，实现对文本特征空间的建模识别。　　 2.在对SVM基本原理、基本增量算法I-SVM深入研究的基础上，提出了两种改进的SVM增量算法:TI-SVM算法和OCV-SVM算法。利用一组实际的新闻主题信息训练和分类，对所提出的算法进行了测试和验证。　　 3.设计并初步实现了一个专项客户新闻自动检索系统。该原型系统能接受客户对新闻源信息的定制和关键词维护，并可以根据客户历史新闻资料，向用户自动推送相关新闻信息。