Blog文檔的自動(dòng)文摘方法研究.pdf

1、隨著因特網(wǎng)的高速發(fā)展、信息爆炸時(shí)代的延展,人們對(duì)于信息的獲取又有了新的需求。人們不再僅僅滿足于由新聞媒體、信息門戶等網(wǎng)絡(luò)信息實(shí)體所展示的文章或多媒體信息,而是更加傾向于同網(wǎng)絡(luò)中其他用戶的信息交流、分享與互動(dòng)。隨著這種需求的不斷增加,作為提供用戶信息交流的WEB2.0信息實(shí)體的典型代表,Blog獲得了廣泛的關(guān)注與發(fā)展。由于Blog具有文章良莠不齊,評(píng)論噪聲偏多的特點(diǎn),如何結(jié)合Blog評(píng)論獲取Blog文章的主要內(nèi)容來給予讀者一個(gè)簡要的內(nèi)容展

2、示是許多基于Blog的應(yīng)用所要面臨的難題,而對(duì)面向Blog的自動(dòng)文本摘要技術(shù)的研究為解決這個(gè)難題提供了一種思路。
　　 目前對(duì)于自動(dòng)文本摘要技術(shù)的研究大多關(guān)注的是對(duì)單個(gè)文檔或是屬于同一主題下的多個(gè)文檔的文本摘要技術(shù),而對(duì)于特定交互式網(wǎng)絡(luò)實(shí)體的相關(guān)文本摘要技術(shù)的研究較少。目前比較成熟的通用自動(dòng)文本摘要技術(shù)大多對(duì)Blog文章的內(nèi)容以及結(jié)構(gòu)特點(diǎn)的理解與分析存在著偏差,生成的文本摘要的質(zhì)量也不高。而在面向特定應(yīng)用的自動(dòng)文本摘要技術(shù)中Bl

3、og文章的處理方法也相對(duì)較少,而且效果相對(duì)較差。本文通過分析Blog的組成元素以及各元素之間的聯(lián)系與特點(diǎn),對(duì)面向Blog文章的自動(dòng)文本摘要方法進(jìn)行了研究,并提出了相對(duì)應(yīng)的文本摘要方法,最后通過實(shí)驗(yàn)證明了該方法的有效性。
　　 本文的研究內(nèi)容主要包括如下幾個(gè)方面:
　　 1.提出了一些可以用于量化Blog相關(guān)元素重要性的特征。本文通過分析Blog各個(gè)組成元素的特點(diǎn),提出了Blog統(tǒng)計(jì)特征、內(nèi)容復(fù)雜度及觀點(diǎn)獨(dú)特性等可以量化相

4、關(guān)元素重要性的特征。相關(guān)實(shí)驗(yàn)證明本文提出的幾種量化特征能夠有效的提高Blog文本摘要的質(zhì)量
　　 2.提出了一種Blog評(píng)論排名以及噪聲過濾的方法。在根據(jù)正文與評(píng)論的相關(guān)特征,通過相應(yīng)的回歸特征量化方法得出Blog評(píng)論重要度的基礎(chǔ)上,設(shè)定噪聲過濾閾值。通過相關(guān)實(shí)驗(yàn)證明這種重要度量化方法以及相應(yīng)的噪聲過濾方法能夠有效的得到Blog評(píng)論的重要度并在過濾噪聲時(shí)具有較高的查全率和查準(zhǔn)率。
　　 3.提出了一種基于HITS圖算法的