自从数字化信息时代的到来,我国传统旅游业的发展紧跟时代的步伐,各大旅游网站在Web上如雨后春笋般不断涌现。然而,正是如此多的网站,导致众说纷纭,极易出现数据不一致现象；并且,用户的需求多种多样,而一个网站的数据量往往有限,致使需求得不到满足。因此,为了满足广大用户需求,向用户提供一个可以全面展现旅游景点信息的查询平台,并且可以应用于现有旅游网站或者旅游信息终端机等领域,本文对Web上已有的旅游信息进行集成,旨在构建更全面的旅游信息集成系统。首先,本文利用爬虫工具从百度百科、中国旅游网、欣欣网、驴妈妈网、驴评网抓取各种文本信息,并完成去除文本中的标签、网络格式符等数据清洗工作,以及分词、词性标注、字段抽取等预处理工作,构建数据集；其次,对从百度百科中采集的文本进行分类处理,区分出景点及其相关文本；再次,识别景点数据间的不一致现象,应用实体识别技术解决现存的同名不同景、、同景不同名问题,使得景点数据更加完备与统一；最后,由于存在多个文本描述同一景点,并且这些文本内容又时有交叠,为了在用户眼前呈现一个完整、可读的文本,本文在文本相似性度量的基础上,删除相似文本片段,并将不相似文本进行融合,从而形成信息面更广的介绍文本。在此,本文主要做了如下贡献：(1)结合Web抓取文本内容的特点,利用特征词权重对文本进行向量表示,提出了一种基于特征词权重的文本分类算法；(2)针对旅游景点的实体识别,来自不同数据源的实体集区别对待,并且使用交叉验证进一步提高实体识别的精准性；(3)提出一种为文本融合服务的文本相似性度量方法,依据段落中的名词,计算文本段落间以及段落与文本间的共同相似性,进而融合不同的文本。