本文關(guān)鍵詞：基于信息融合的Web信息可信度研究，由筆耕文化傳播整理發(fā)布。

【摘要】：當(dāng)用戶通過在網(wǎng)絡(luò)上尋找自己需要的信息時(shí),使用最多的工具是搜索引擎。然而作為商業(yè)工具,搜索引擎的結(jié)果也并沒有讓用戶特別滿意。當(dāng)然用戶可以自己逐一篩選找出有用結(jié)果。但是如果要進(jìn)行Web信息融合,直接使用搜索引擎的結(jié)果會加大信息融合的工作量,甚至可能導(dǎo)致結(jié)果不準(zhǔn)確。本文在這樣的背景下提出了基于信息融合的Web信息可信度評估。 通過分析搜索引擎在網(wǎng)頁可信度評估方面的不足,再根據(jù)Web信息的特點(diǎn)和信息融合的要求,得出影響Web信息可信度最重要的指標(biāo)網(wǎng)頁相關(guān)度。本文對網(wǎng)頁相關(guān)度的計(jì)算進(jìn)行了研究,構(gòu)建了信息可信度評估指標(biāo)體系,提出了可信度計(jì)算方法。 本文主要內(nèi)容如下： 1.分析現(xiàn)階段使用較多的計(jì)算網(wǎng)頁相關(guān)度的算法,根據(jù)信息融合的特征,提出本文采用的算法詞頻位置加權(quán)排序算法。根據(jù)原有算法的缺點(diǎn),提出改進(jìn)設(shè)想。引入了TextRank模型來提取主題詞,并在原有的TextRank模型基礎(chǔ)上加入詞語本身的位置權(quán)重。既引入了詞語的語義概念,又考慮了詞語所在網(wǎng)頁的位置,提高了主題詞提取的準(zhǔn)確率。計(jì)算相關(guān)度時(shí),將詞語在提取主題詞步驟計(jì)算出詞語的權(quán)重引入公式中,還考慮了主題詞與查詢詞的語義相似度。相關(guān)度計(jì)算考慮了詞語間的語義關(guān)系、詞語的頻率和位置,使得計(jì)算更準(zhǔn)確。 2.歸納了現(xiàn)有的信息可信度評估指標(biāo),通過分析搜索引擎在可信度評估方面的不足,構(gòu)建了本文采用的信息可信度評估指標(biāo)體系。從權(quán)威性、重要性、相關(guān)性三個(gè)方面來評估可信度,每個(gè)方面選取最相關(guān)的指標(biāo),提出了計(jì)算可信度的公式。通過這個(gè)公式計(jì)算的可信度是綜合考慮了幾種最有影響力最客觀的指標(biāo),使得可信度的值也最接近信息融合的需要。 3.設(shè)計(jì)與實(shí)施了可信度評估系統(tǒng)來驗(yàn)證上述方法的有效性,并對結(jié)果進(jìn)行了分析。結(jié)果表明,本文提出的算法具有一定的有效性和實(shí)用性。
【關(guān)鍵詞】：信息可信度 信息融合 詞頻位置加權(quán)排序 TextRank模型 可信度評估體系
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP393.092;TP202
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-9
• 1 緒論9-14
• 1.1 論文研究背景與意義9
• 1.1.1 論文研究背景9
• 1.1.2 論文研究意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.3 論文的重點(diǎn)和創(chuàng)新點(diǎn)12
• 1.4 論文組織結(jié)構(gòu)安排12-14
• 2 Web信息可信度相關(guān)技術(shù)和理論分析14-23
• 2.1 信息可信度評估理論分析14-15
• 2.2 搜索引擎基本流程與原理15-17
• 2.3 基于鏈接分析的算法17-20
• 2.3.1 PageRank算法17-18
• 2.3.2 Hilltop算法18-19
• 2.3.3 HITS算法19
• 2.3.4 TrustRank算法19-20
• 2.4 基于內(nèi)容分析和鏈接分析的算法20-22
• 2.4.1 Topic-sensitive PageRank算法20-21
• 2.4.2 ARC算法21
• 2.4.3 Average和Sim算法21-22
• 2.5 本章小結(jié)22-23
• 3 網(wǎng)頁內(nèi)容相關(guān)可信度計(jì)算算法研究23-39
• 3.1 網(wǎng)頁相關(guān)度計(jì)算算法23-27
• 3.1.1 向量空間模型概念23-24
• 3.1.2 詞頻位置加權(quán)排序算法24-25
• 3.1.3 基于語義模型方法25-27
• 3.2 基于內(nèi)容相關(guān)度算法的改進(jìn)研究27-29
• 3.2.1 傳統(tǒng)的內(nèi)容相關(guān)度算法的缺點(diǎn)27-28
• 3.2.2 本文采用的內(nèi)容相關(guān)度算法28-29
• 3.3 主題詞提取算法改進(jìn)29-36
• 3.3.1 主題詞提取方法30-31
• 3.3.2 TextRank算法31-32
• 3.3.3 結(jié)合位置權(quán)重的TextRank算法32-36
• 3.4 相關(guān)度計(jì)算36-38
• 3.4.1 相關(guān)度計(jì)算公式36-37
• 3.4.2 算法分析37-38
• 3.5 本章小結(jié)38-39
• 4 Web信息可信度計(jì)算方法39-54
• 4.1 Web信息可信度指標(biāo)體系39-49
• 4.1.1 Web信息可信度指標(biāo)分析39-43
• 4.1.2 搜索引擎可信度評估分析43-45
• 4.1.3 可信度評估指標(biāo)體系結(jié)構(gòu)45-49
• 4.2 Web信息可信度評估流程49-51
• 4.3 可信度計(jì)算方法51-53
• 4.3.1 可信度計(jì)算公式51
• 4.3.2 指標(biāo)權(quán)重選取方法51-53
• 4.4 本章小結(jié)53-54
• 5 可信度評估系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)54-63
• 5.1 系統(tǒng)設(shè)計(jì)54-57
• 5.1.1 實(shí)驗(yàn)環(huán)境介紹55
• 5.1.2 系統(tǒng)模塊介紹55-57
• 5.2 實(shí)驗(yàn)過程57-59
• 5.2.1 數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)57-58
• 5.2.2 主要界面58-59
• 5.3 實(shí)驗(yàn)結(jié)果分析59-62
• 5.4 本章小結(jié)62-63
• 6 總結(jié)與展望63-65
• 6.1 總結(jié)63-64
• 6.2 展望64-65
• 參考文獻(xiàn)65-69
• 攻讀學(xué)位期間主要研究成果69-70
• 致謝70

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王暉;陳麗;陳墾;薛漫清;梁慶;;多指標(biāo)綜合評價(jià)方法及權(quán)重系數(shù)的選擇[J];廣東藥學(xué)院學(xué)報(bào);2007年05期

2 王立霞;淮曉永;;基于語義的中文文本關(guān)鍵詞提取算法[J];計(jì)算機(jī)工程;2012年01期

3 徐戈;王厚峰;;自然語言處理中主題模型的發(fā)展[J];計(jì)算機(jī)學(xué)報(bào);2011年08期

4 徐險(xiǎn)峰,盧云;雅虎中國分類體系剖析[J];新世紀(jì)圖書館;2005年05期

5 李靜月;李培峰;朱巧明;;一種改進(jìn)的TFIDF網(wǎng)頁關(guān)鍵詞提取方法[J];計(jì)算機(jī)應(yīng)用與軟件;2011年05期

6 李鵬;王斌;石志偉;崔雅超;李恒訓(xùn);;Tag-TextRank:一種基于Tag的網(wǎng)頁關(guān)鍵詞抽取方法[J];計(jì)算機(jī)研究與發(fā)展;2012年11期

7 原福永;張園園;;基于鏈接分析的相關(guān)排序方法的研究和改進(jìn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2007年07期

8 支鳳麟;徐煒民;;基于主題的個(gè)性化查詢擴(kuò)展模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年20期

9 朱寧;陳紅勤;聶應(yīng)高;;網(wǎng)絡(luò)信息有效獲取與可信度的案例分析[J];圖書館學(xué)研究;2009年11期

10 劉陽;張化祥;;基于結(jié)合內(nèi)容特征的TrustRank算法改進(jìn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年04期

  本文關(guān)鍵詞：基于信息融合的Web信息可信度研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：351470