博客社區(qū)發(fā)現(xiàn)及其主題抽取技術(shù)的研究.pdf

1、近年來(lái)，互聯(lián)網(wǎng)的高速發(fā)展推動(dòng)了電子商務(wù)的崛起和發(fā)展，電子商務(wù)幫助眾多企業(yè)賺取了高額利潤(rùn)，也深深地改變了人們傳統(tǒng)的生活方式。但是，如何制定有效的網(wǎng)絡(luò)營(yíng)銷方案更好地促進(jìn)電子商務(wù)的運(yùn)作成為眾多電子商務(wù)企業(yè)的難題。而B(niǎo)log作為Web2.0的典型應(yīng)用，通過(guò)頻繁的鏈接及評(píng)論回復(fù)等交互方式形成了龐大的社會(huì)網(wǎng)絡(luò)，且Blog是人們思想行為在網(wǎng)絡(luò)虛擬社區(qū)中的體現(xiàn)，因此快速有效地發(fā)現(xiàn)具有明確主題的Blog社區(qū)，有利于企業(yè)制定合理的營(yíng)銷方案，實(shí)現(xiàn)精準(zhǔn)的網(wǎng)絡(luò)營(yíng)

2、銷，達(dá)到利潤(rùn)最大化目標(biāo)，具有重要的現(xiàn)實(shí)應(yīng)用價(jià)值。
　　目前，基于鏈接分析的社區(qū)發(fā)現(xiàn)算法存在諸多缺陷，且發(fā)現(xiàn)的Blog社區(qū)不具有主題信息，無(wú)法反映社區(qū)的興趣點(diǎn)。針對(duì)上述問(wèn)題，本文研究工作主要如下：
　　(1)確定了鏈接分析和內(nèi)容分析結(jié)合發(fā)現(xiàn)Blog社區(qū)及主題抽取的整體思路。
　　(2)介紹了Blog的基本概念、Blog鏈接和頁(yè)面數(shù)據(jù)模型以及成熟的社區(qū)發(fā)現(xiàn)算法。比較了Blog社區(qū)發(fā)現(xiàn)算法的優(yōu)劣，確定了將拖網(wǎng)算法作為本文研究

3、的基礎(chǔ)算法。
　　(3)提出了“基于FCA的Blog社區(qū)發(fā)現(xiàn)算法”。該算法通過(guò)概念格的代數(shù)消解對(duì)社區(qū)核心進(jìn)行劃分及合并，有效解決了拖網(wǎng)算法中嚴(yán)格的社區(qū)定義所導(dǎo)致的發(fā)現(xiàn)社區(qū)數(shù)量過(guò)多、社區(qū)間重復(fù)率過(guò)高以及社區(qū)內(nèi)容貧乏等缺陷。
　　(4)提出了“基于LSA的Blog社區(qū)主題抽取方法”。該方法對(duì)Blog社區(qū)內(nèi)容TF-IDF特征抽取之后進(jìn)行LSA降維處理，并提出奇異矩陣自動(dòng)k值截取方法和大矩陣自動(dòng)分割方法，提高了該方法的準(zhǔn)確性和效率，