網(wǎng)絡(luò)環(huán)境下的領(lǐng)域知識挖掘.pdf

1、當(dāng)前海量異質(zhì)、快速增長的網(wǎng)絡(luò)資源帶來了“數(shù)據(jù)過?！焙汀爸R貧乏”的矛盾，增大了人們及時(shí)獲取有用知識的難度。本文以網(wǎng)絡(luò)環(huán)境下的異質(zhì)數(shù)據(jù)源為研究對象，探尋各種數(shù)據(jù)中知識發(fā)現(xiàn)的可行性，按照“模型提出－算法實(shí)現(xiàn)－數(shù)據(jù)驗(yàn)證”的思路，研究如何有效地利用和挖掘網(wǎng)絡(luò)數(shù)據(jù)資源，獲取潛在的、有價(jià)值的領(lǐng)域知識。本研究工作包括四個(gè)方面：
　　 ⑴提出了網(wǎng)絡(luò)環(huán)境下的領(lǐng)域知識挖掘模型。該模型是一個(gè)包括數(shù)據(jù)層、知識層和應(yīng)用層的三層模型，指導(dǎo)從異構(gòu)數(shù)據(jù)源中挖掘

2、多維度知識以提供多種知識應(yīng)用?；谠撃Ｐ停撐囊跃W(wǎng)絡(luò)科技文獻(xiàn)、博客日志和社會化標(biāo)注為研究對象，進(jìn)行了三種具體的領(lǐng)域知識挖掘?qū)嵺`研究。
　　 ⑵提出了一種新的概率主題模型：Topic-Author模型。該模型對科技文獻(xiàn)的文本信息和作者信息進(jìn)行聯(lián)合建模，深入對文獻(xiàn)的分析。基于此模型構(gòu)建了一個(gè)多維度文獻(xiàn)知識挖掘框架，進(jìn)行概念挖掘、專家發(fā)現(xiàn)、文獻(xiàn)推薦，研究趨勢分析、主題關(guān)系挖掘等領(lǐng)域知識的發(fā)現(xiàn)和應(yīng)用。
　　 ⑶提出了一個(gè)Blog

3、知識挖掘框架，進(jìn)行主題挖掘、觀點(diǎn)分析和擴(kuò)散研究。利用文本聚類和主題模型兩種文本分析方法，挖掘Blog日志內(nèi)容中的潛在概念，并對其進(jìn)行觀點(diǎn)分析。研究了社會化網(wǎng)絡(luò)的擴(kuò)散模型，總結(jié)了實(shí)現(xiàn)擴(kuò)散最大化的方法，提出了一種改進(jìn)的門檻擴(kuò)散模型。
　　 ⑷分析了基于社會化標(biāo)注的集體智慧和Web環(huán)境下的知識組織分類法，進(jìn)行了社會化標(biāo)注的語義知識挖掘，提出了一種輕量級本體構(gòu)建方法。該方法依據(jù)所提出的基于加權(quán)網(wǎng)絡(luò)分割的社會化標(biāo)簽聚類算法，進(jìn)行語義聚類和