多特征融合的博客文章排序和分類算法研究.pdf_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著社區(qū)化搜索技術(shù)的不斷發(fā)展,博客以極快的速度融入社會生活中,成為當(dāng)前互聯(lián)網(wǎng)上較重要的一種社會媒體,并隨之帶來博客文章數(shù)量的指數(shù)級增長,如何在數(shù)量眾多的文章中準確找到與用戶查詢相關(guān)的文章以及如何從海量的文章中快速查詢到用戶所需要的信息變得至關(guān)重要,即博客文章的排序和分類成為當(dāng)前一項重要而緊迫的研究課題。
   為了提高博客文章排序的性能,本文在融合文章自身結(jié)構(gòu)特征基礎(chǔ)上,針對PageRank算法在博文排序中的主題漂移和輕視新博文

2、,重視舊博文的不足進行改進。并且為了改善博客文章分類的性能,本文在傳統(tǒng)貝葉斯分類算法的基礎(chǔ)上,結(jié)合博客文章特有的結(jié)構(gòu)和內(nèi)容特性,展開研究。主要研究工作包含以下幾個方面:
   (1)博文排序算法:本文重點研究傳統(tǒng)的PageRank排序算法,針對其在博文排序中有主題漂移,輕視新博文,重視舊博文的不足,且存在與用戶查詢相關(guān)的博文并不靠前的問題,提出一種改進的博文排序算法。該方法在分析博客自身結(jié)構(gòu)特征的基礎(chǔ)上,通過兩篇相互鏈接的博文內(nèi)

3、容相似度以及博主的受歡迎程度和博文的時間新鮮度,得到新的博文分數(shù)。利用Nutch實現(xiàn)PageRank和改進后的PageRank算法,實驗結(jié)果證明,改進后的博文排序算法的效果略優(yōu)于傳統(tǒng)的排序算法。
   (2)博文分類算法:普通文本分類算法直接應(yīng)用于博客文章效果不理想的主要原因是:博客文章在結(jié)構(gòu)上,有不同于文本的標簽;在內(nèi)容上,包含多個主題,類別歸屬不明顯,多為博主自己的主觀意見。針對該問題,本文提出一種在內(nèi)容上,通過融合兩種不同

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論