中文Blog熱門話題檢測與跟蹤技術(shù)研究.pdf

1、Blog(博客)作為一種全新的網(wǎng)絡(luò)發(fā)布模式，在很大程度上增強了網(wǎng)絡(luò)信息的開放性，也使得Blog領(lǐng)域里的信息量成倍增長。為了人們能夠快速的從Blog領(lǐng)域有意義的知識，迫切需要對Blog領(lǐng)域的信息進行挖掘。目前，Blog領(lǐng)域的內(nèi)容挖掘技術(shù)主要是從Blog中抽取關(guān)鍵信息，獲取統(tǒng)計信息，并在此基礎(chǔ)上進行分析的過程。話題檢測與話題跟蹤技術(shù)是基于事件的信息組織技術(shù)，以實現(xiàn)對新聞報道信息流中話題的自動檢測以及對己知話題的動態(tài)跟蹤。
　　本文面向

2、Blog領(lǐng)域，使用話題檢測、話題跟蹤和熱門話題排序技術(shù)對其話題信息進行挖掘，將Blog信息按照所表達(dá)的主題進行歸類和組織，有效地管理和組織了Blog信息，可以使用戶在動態(tài)變化的環(huán)境下查看自己感興趣或需要的信息，盡量避免涉足大量的其他信息，并對自己感興趣的話題進行追蹤了解的目的。
　　本文首先介紹了話題檢測和話題跟蹤的基礎(chǔ)技術(shù)文本聚類和分類技術(shù)，并針對Blog領(lǐng)域信息的特點設(shè)計了話題檢測和話題跟蹤技術(shù)。在相似度計算中提出了詞形和詞頻

3、相結(jié)合的方法和一種新的標(biāo)題相似度和正文相似度相結(jié)合的方法。在提取話題的名稱中提出采用tf*df的權(quán)重計算方法抽取權(quán)重最大的幾個詞作為話題的名稱。本文對Blog領(lǐng)域使用的話題檢測和話題跟蹤的實驗結(jié)果進行了測試，實驗驗證了本文對相似度的兩種改進的有效性和在Blog領(lǐng)域使用話題檢測和話題跟蹤技術(shù)的可行性。在熱門話題排序技術(shù)中，通過對Blog網(wǎng)頁的分析，選擇話題中的文章數(shù)、評論數(shù)、評論人數(shù)作為排序特征，并提供了四種排序的方法。為了滿足處理大規(guī)模