本文關(guān)鍵詞：基于相關(guān)背景圖的主題微博用戶發(fā)現(xiàn)方法的研究

  更多相關(guān)文章： 主題爬蟲 相關(guān)背景圖 鏈接預(yù)測(cè) 語(yǔ)義分析 微博

【摘要】：隨著互聯(lián)網(wǎng)用戶的急劇增長(zhǎng)，以及網(wǎng)絡(luò)應(yīng)用的進(jìn)一步深入，用戶個(gè)性化的需求不斷增長(zhǎng)，，通用搜索引擎難以滿足某些特殊用戶群體的需求。主題爬行技術(shù)作為一種新穎的搜索技術(shù)應(yīng)運(yùn)而生，更新周期快，它資源消耗少，更重要的是能滿足用戶的個(gè)性化需求。 相關(guān)背景圖（Relevancy Context Graph）可以收集給定主題的背景知識(shí)，并根據(jù)這些背景知識(shí)給每個(gè)待訪問(wèn)網(wǎng)頁(yè)分配一個(gè)優(yōu)先訪問(wèn)值，從而指導(dǎo)爬蟲的爬行方向。但是，在相關(guān)背景圖的背景知識(shí)構(gòu)建中沒(méi)有充分提取出網(wǎng)頁(yè)之間的鏈接結(jié)構(gòu)信息，同時(shí)也沒(méi)有充分考慮網(wǎng)頁(yè)之間的語(yǔ)義關(guān)系。因此，許多噪聲網(wǎng)頁(yè)并沒(méi)有被有效的過(guò)濾掉。此外，相關(guān)背景圖的主題特征詞的定義也隱藏著一些缺陷。 本文的貢獻(xiàn)總結(jié)如下。（1）優(yōu)化了相關(guān)背景圖，并應(yīng)用相關(guān)背景圖在微博中收集與主題相關(guān)的用戶。在優(yōu)化的過(guò)程中，借用社會(huì)網(wǎng)絡(luò)中朋友鏈接預(yù)測(cè)的思想，重新設(shè)計(jì)了背景圖中的鏈接結(jié)構(gòu)關(guān)系，考慮了網(wǎng)頁(yè)之間更多的結(jié)構(gòu)關(guān)系，利用向量空間模型（Vector Space Model）以及語(yǔ)義向量空間模型（Semantic Similarity Vector Space Model）去過(guò)濾掉一些噪聲網(wǎng)頁(yè)，保證背景圖的有效性。（2）利用背景圖中詞之間的語(yǔ)義關(guān)系去擴(kuò)展主題特征單詞，并有效地計(jì)算了擴(kuò)展的主題特征單詞的分布。（3）提出了一個(gè)經(jīng)過(guò)鏈接分析和語(yǔ)義分析優(yōu)化后的相關(guān)背景圖的爬蟲。（4）利用囊括各個(gè)領(lǐng)域的大量中文網(wǎng)頁(yè)構(gòu)建了中文通用語(yǔ)模型。（5）利用改進(jìn)的相關(guān)背景圖計(jì)算出的特征主題單詞的分布以及通用語(yǔ)模型，結(jié)合微博中傳播者的尋找技術(shù)，本文定義了主題傳播者的計(jì)算方法。主題傳播者會(huì)引導(dǎo)網(wǎng)絡(luò)爬蟲向更好的方向去收集微博主題相關(guān)的用戶。 我在各個(gè)階段都做了相應(yīng)的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明本文的方法是有效的。
【學(xué)位授予單位】：西華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP393.092

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 劉志明;劉魯;;微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識(shí)別及分析[J];系統(tǒng)工程;2011年06期

2 劉遷;賈惠波;;中文信息處理中自動(dòng)分詞技術(shù)的研究與展望[J];計(jì)算機(jī)工程與應(yīng)用;2006年03期

3 郭陽(yáng);劉展威;趙正旭;;萬(wàn)維網(wǎng)鏈接結(jié)構(gòu)的復(fù)雜性分析[J];計(jì)算機(jī)工程;2011年23期

4 化柏林;趙亮;;知識(shí)抽取中的嵌套向量分詞技術(shù)[J];現(xiàn)代圖書情報(bào)技術(shù);2007年07期

5 陳敬文;彭哲;;基于CPN網(wǎng)絡(luò)的Web正文抽取技術(shù)研究[J];現(xiàn)代圖書情報(bào)技術(shù);2008年11期

本文編號(hào)：1220871