基于多分類器的層次式Blog主題標注技術(shù).pdf

1、伴隨著blog注冊數(shù)量的日益增多，blog以極快的速度融入到人們的社會生活中，并隨之帶來一系列新的應(yīng)用，與傳統(tǒng)網(wǎng)頁相比，blog自身有著獨特的信息特點，如何對blog中的信息進行針對性的檢索和更深層次的挖掘利用，已經(jīng)成為當前互聯(lián)網(wǎng)應(yīng)用研究中的熱點問題。
　　本文旨在提取blog的主題特征，即根據(jù)blog頁面數(shù)據(jù)預(yù)測blog感興趣的信息所屬的主題。Blog主題標注可以歸結(jié)到blog主題分類問題，圍繞分類中的兩個關(guān)鍵問題，即分類目錄的

2、構(gòu)建和分類算法的實現(xiàn)，文本主要的研究工作包括：
　　1)本文提出了基于K-Means聚類的Blog主題層次目錄構(gòu)建算法。本文首先考察了多個blog空間和網(wǎng)站分類目錄的層次結(jié)構(gòu)，研究發(fā)現(xiàn)，這些目錄層次都存在一定的不足，不能符合用戶的需求。針對上述問題，本文提出了基于K-Means聚類的Blog主題層次目錄構(gòu)建算法，該算法能夠利用騰訊新聞網(wǎng)站的樣本集構(gòu)建Blog主題層次目錄以及相應(yīng)的語料庫，有效地解決了分類器訓練前主題類別的確定和訓練

3、集的搜集問題。
　　2)本文提出了基于多分類器的blog主題分類算法。Blog的主題特征是通過blog在一段時間內(nèi)所發(fā)表的日志內(nèi)容來體現(xiàn)的，要提取blog感興趣的主題信息必須先對該日志集合進行主題分類。Blog日志不規(guī)范性和隨意性的特點會干擾分類器對日志主題的確定，針對這個問題，本文引入了多分類器聯(lián)合的方法。實驗證明，多分類器可以有效地識別出主題不明確的日志樣本，本文對這些樣本做單獨的處理，為其確定一個較為合理的主題?；谌罩局黝}