虛擬社區(qū)熱點話題意見挖掘模型研究.pdf

1、隨著互聯(lián)網(wǎng)的蓬勃發(fā)展和Web2.0應(yīng)用的興起，用戶已經(jīng)成為互聯(lián)網(wǎng)不可或缺的重要組成部分，用戶產(chǎn)生內(nèi)容已經(jīng)成為互聯(lián)網(wǎng)上最活躍、最受關(guān)注和最有價值的資源。用戶產(chǎn)生內(nèi)容源于真實世界，在很大程度上體現(xiàn)了用戶的真實想法和感悟，具有較高的真實性。虛擬社區(qū)擁有數(shù)量最多的用戶產(chǎn)生內(nèi)容，因此，對虛擬社區(qū)和其內(nèi)容進行挖掘具有理論意義和實用價值。 本文的主要研究工作和貢獻如下： 1.以虛擬社區(qū)為研究對象，討論了虛擬社區(qū)的特點、結(jié)構(gòu)和內(nèi)容的組織

2、方式，以及虛擬社區(qū)中話題的組成、結(jié)構(gòu)和特征。對虛擬社區(qū)中的話題和主題的概念進行了區(qū)分，使用樹形結(jié)構(gòu)對話題進行表示，為后續(xù)研究奠定基礎(chǔ)。 2。提出基于結(jié)構(gòu)信息的主題相關(guān)度算法。對話題中“跑題”現(xiàn)象的成因、特點以及對主題質(zhì)量的影響進行了研究，提出用主題相關(guān)度評估主題中討論內(nèi)容與原主題的一致性。分別介紹了基于文本相似度的主題相關(guān)度算法和基于主題結(jié)構(gòu)信息的主題相關(guān)度算法，通過實驗對兩種主題相關(guān)度算法進行比較。實驗結(jié)果表明，本文提出的基于

3、結(jié)構(gòu)信息的主題相關(guān)度算法效果更好。 3.提出多特征融合的分類方法。對互聯(lián)網(wǎng)文本信息的多特征性進行了研究，充分考慮不同特征對于類別的表征能力存在差異。提出基于樸素貝葉斯分類算法的多特征融合的分類方法，并將方法應(yīng)用于博客文章分類。實驗結(jié)果表明，多特征融合的分類方法可以獲得更高的準確率。 4.在以上幾點的基礎(chǔ)上，提出了虛擬社區(qū)的話題提取、話題熱度評估和話題意見挖掘方法，并將三者結(jié)合為一個整體，構(gòu)建了虛擬社區(qū)熱點話題意見挖掘模型