博文標簽驗證和補充方法研究.pdf

1、博客是Web2.0的一個典型應用，隨著博客的快速發(fā)展，博文數(shù)量呈指數(shù)級增長，博客搜索引擎可解決在海量博文中找到人們感興趣信息的問題。為了提高搜索結(jié)果的可瀏覽性，一些博客搜索引擎集成了聚類技術。博文標簽是由博主添加的，用來表示博文主題信息的關鍵詞，因此將博文標簽用于博文聚類應該是一個很好的選擇。但是由于博主個人原因，可能會出現(xiàn)標簽和博文主題信息不一致或者不能完整表達博文主題信息的現(xiàn)象，因此，不能直接將標簽用于博文聚類。
　　針對上述

2、背景，本文提出一種利用博文主題信息進行博文標簽驗證和補充的方法。本文選取新浪博文作為研究對象，在分析新浪博文屬性建立博文模型的基礎上，給出博文標簽驗證和補充方法的流程和框架，描述博文標簽驗證和補充過程中的關鍵算法，包括:帶本體的特征選擇算法;結(jié)合相似度的BP網(wǎng)絡分類算法以及博文標簽驗證和補充算法，并介紹根據(jù)維基百科分類體系構(gòu)建本體的方法。其中帶本體的特征選擇算法以更好的選擇特征表示用于BP網(wǎng)絡訓練的博文為目的，首先使用DF方法初步降維，

3、然后利用CHI方法計算特征項的評估函數(shù)值，并根據(jù)該特征項是否在對應的類別本體中出現(xiàn)調(diào)整其評估函數(shù)值;結(jié)合相似度的BP網(wǎng)絡分類算法利用大部分博文標簽提供博文類別信息的優(yōu)勢，只有在標簽提供的類別信息不準確或者沒有提供類別信息的情況下才使用BP網(wǎng)絡對博文分類，從而降低直接使用BP網(wǎng)絡分類的時間消耗;博文標簽驗證和補充算法依據(jù)博文所屬類別的本體進行，首先分別獲得博文和博文標簽在本體中的代表節(jié)點，其次計算博文節(jié)點和標簽節(jié)點之間的相似度實現(xiàn)博文標簽