中文Blog熱門話題檢測與跟蹤技術研究.pdf

1、Blog(博客)作為一種全新的網(wǎng)絡發(fā)布模式，在很大程度上增強了網(wǎng)絡信息的開放性，也使得Blog領域里的信息量成倍增長。為了人們能夠快速的從Blog領域有意義的知識，迫切需要對Blog領域的信息進行挖掘。目前，Blog領域的內(nèi)容挖掘技術主要是從Blog中抽取關鍵信息，獲取統(tǒng)計信息，并在此基礎上進行分析的過程。話題檢測與話題跟蹤技術是基于事件的信息組織技術，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領域，使用話題檢測、話題跟蹤和熱門話題排序技術對其話題信息進行挖掘，將Blog信息按照所表達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技術文本聚類和分類技術，并針對Blog領域信息的特點設計了話題檢測和話題跟蹤技術。在相似度計算中提出了詞形和詞頻

3、相結合的方法和一種新的標題相似度和正文相似度相結合的方法。在提取話題的名稱中提出采用tf*df的權重計算方法抽取權重最大的幾個詞作為話題的名稱。本文對Blog領域使用的話題檢測和話題跟蹤的實驗結果進行了測試，實驗驗證了本文對相似度的兩種改進的有效性和在Blog領域使用話題檢測和話題跟蹤技術的可行性。在熱門話題排序技術中，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