基于多分類(lèi)器的層次式Blog主題標(biāo)注技術(shù).pdf

1、伴隨著blog注冊(cè)數(shù)量的日益增多，blog以極快的速度融入到人們的社會(huì)生活中，并隨之帶來(lái)一系列新的應(yīng)用，與傳統(tǒng)網(wǎng)頁(yè)相比，blog自身有著獨(dú)特的信息特點(diǎn)，如何對(duì)blog中的信息進(jìn)行針對(duì)性的檢索和更深層次的挖掘利用，已經(jīng)成為當(dāng)前互聯(lián)網(wǎng)應(yīng)用研究中的熱點(diǎn)問(wèn)題。
　　本文旨在提取blog的主題特征，即根據(jù)blog頁(yè)面數(shù)據(jù)預(yù)測(cè)blog感興趣的信息所屬的主題。Blog主題標(biāo)注可以歸結(jié)到blog主題分類(lèi)問(wèn)題，圍繞分類(lèi)中的兩個(gè)關(guān)鍵問(wèn)題，即分類(lèi)目錄的

2、構(gòu)建和分類(lèi)算法的實(shí)現(xiàn)，文本主要的研究工作包括：
　　1)本文提出了基于K-Means聚類(lèi)的Blog主題層次目錄構(gòu)建算法。本文首先考察了多個(gè)blog空間和網(wǎng)站分類(lèi)目錄的層次結(jié)構(gòu)，研究發(fā)現(xiàn)，這些目錄層次都存在一定的不足，不能符合用戶的需求。針對(duì)上述問(wèn)題，本文提出了基于K-Means聚類(lèi)的Blog主題層次目錄構(gòu)建算法，該算法能夠利用騰訊新聞網(wǎng)站的樣本集構(gòu)建Blog主題層次目錄以及相應(yīng)的語(yǔ)料庫(kù)，有效地解決了分類(lèi)器訓(xùn)練前主題類(lèi)別的確定和訓(xùn)練

3、集的搜集問(wèn)題。
　　2)本文提出了基于多分類(lèi)器的blog主題分類(lèi)算法。Blog的主題特征是通過(guò)blog在一段時(shí)間內(nèi)所發(fā)表的日志內(nèi)容來(lái)體現(xiàn)的，要提取blog感興趣的主題信息必須先對(duì)該日志集合進(jìn)行主題分類(lèi)。Blog日志不規(guī)范性和隨意性的特點(diǎn)會(huì)干擾分類(lèi)器對(duì)日志主題的確定，針對(duì)這個(gè)問(wèn)題，本文引入了多分類(lèi)器聯(lián)合的方法。實(shí)驗(yàn)證明，多分類(lèi)器可以有效地識(shí)別出主題不明確的日志樣本，本文對(duì)這些樣本做單獨(dú)的處理，為其確定一個(gè)較為合理的主題?；谌罩局黝}