博客作者興趣挖掘與博客信息、情感分析的研究.pdf

1、Web2.0 概念的出現(xiàn)使互聯(lián)網(wǎng)新媒體發(fā)展進(jìn)入了新階段。博客作為Web2.0 概念下的典型應(yīng)用正在推動(dòng)整個(gè)互聯(lián)網(wǎng)業(yè)的發(fā)展。近幾年來(lái)，作為一種新興事物，博客正處于高速的發(fā)展時(shí)期，互聯(lián)網(wǎng)上的博客數(shù)量一直在急劇的增長(zhǎng)。博客已經(jīng)成為互聯(lián)網(wǎng)上一種重要的信息源。如何組織、檢索、有效的利用豐富的博客資源，挖掘有價(jià)值的信息引起了包括科研界和工業(yè)界的廣泛關(guān)注，各種方法和技術(shù)的應(yīng)用正在被探索中。這些工作對(duì)于掌握互聯(lián)網(wǎng)的發(fā)展動(dòng)態(tài)，改善各種網(wǎng)上服務(wù)，豐富用戶網(wǎng)

2、上生活，提高用戶體驗(yàn)等都具有十分重要的現(xiàn)實(shí)意義和研究?jī)r(jià)值。 利用博客內(nèi)容的個(gè)性化和多樣性的特點(diǎn)，本文開(kāi)展了對(duì)博客內(nèi)容進(jìn)行分析和挖掘的工作，主要包括以下兩個(gè)課題。 通過(guò)挖掘博客的內(nèi)容獲得作者的個(gè)人信息，構(gòu)建作者的興趣集合。 本文提出了一種基于分類技術(shù)的自動(dòng)挖掘博客作者的興趣的方法。在該方法中，本文采用多分類器聯(lián)合的技術(shù)來(lái)提高分類精度和挖掘出的興趣的可靠性。此外，本文采用自頂向下的層次化分類方法挖掘更加具體的博客作者

3、的興趣，并且興趣可以以概念層次結(jié)構(gòu)的形式展現(xiàn)。該課題在個(gè)性化搜索，新聞或廣告的自動(dòng)推薦以及用戶社區(qū)的構(gòu)建等互聯(lián)網(wǎng)研究與應(yīng)用領(lǐng)域有著廣泛的應(yīng)用。 本文提出了對(duì)博客文章、博客進(jìn)行信息型和情感型判定的問(wèn)題。本文將該問(wèn)題看作一個(gè)分類問(wèn)題，并提出采用文本分類的技術(shù)解決此問(wèn)題。本文檢驗(yàn)了已有的文本挖掘技術(shù)在該問(wèn)題上的適用性，其中包括分類算法和特征抽取算法。通過(guò)實(shí)驗(yàn)，本文發(fā)現(xiàn)支持向量機(jī)分類算法與信息增益特征提取算法的結(jié)合可以達(dá)到最好的分類效果