基于Web的社會網(wǎng)絡(luò)搜索中人名同一性判斷方法研究.pdf

1、隨著計(jì)算機(jī)科學(xué)與互聯(lián)網(wǎng)技術(shù)的不斷進(jìn)步，人們彼此之間可以通過各種各樣的軟件和方式進(jìn)行在線交互，不再受到時(shí)間和地域的限制。隨著人們在互聯(lián)網(wǎng)上的行為日益豐富，互聯(lián)網(wǎng)上的社交行為和關(guān)系逐漸的接近傳統(tǒng)的客觀世界的社交網(wǎng)絡(luò)，并能夠真實(shí)反映出人與人之間在客觀世界的真實(shí)關(guān)系?？梢詮幕ヂ?lián)網(wǎng)中通過搜索的方式來構(gòu)建一個(gè)真實(shí)客觀世界的社會網(wǎng)絡(luò)。社會網(wǎng)絡(luò)搜索技術(shù)及其方法逐漸成為目前的研究熱點(diǎn)，互聯(lián)網(wǎng)中的豐富信息大都包含在Web中，可以從Web中獲取關(guān)于某個(gè)人的社

2、會網(wǎng)絡(luò)信息，然而多個(gè)人會具有一個(gè)相同的名字，那么如何對每個(gè)Web進(jìn)行人名同一性判斷就稱為了社會網(wǎng)絡(luò)搜索的關(guān)鍵技術(shù)。為了能準(zhǔn)確地進(jìn)行社會網(wǎng)絡(luò)搜索，研究了人名同一性判斷技術(shù)的實(shí)現(xiàn)。
　　 介紹了信息檢索領(lǐng)域中的向量空間模型。為了從文本中抽取準(zhǔn)確的特征并降低向量維度，給出一個(gè)基于和詞頻的特征向量權(quán)值計(jì)算方法。實(shí)現(xiàn)了基于余弦夾角的相似度計(jì)算的算法；通過對文本聚類算法中層次聚類算法和劃分聚類算法的研究，給出一種改進(jìn)的層次聚類算法來實(shí)現(xiàn)人名

3、同一性判斷；為了提高聚類算法的收斂速度，給出一種聚類中心的計(jì)算方法。
　　 為了實(shí)現(xiàn)社會網(wǎng)絡(luò)搜索，設(shè)計(jì)了一種基于Web的社會網(wǎng)絡(luò)搜索系統(tǒng)框架。為了能獲取包含社會網(wǎng)絡(luò)信息的Web文檔，給出一種Web下載器的實(shí)現(xiàn)方法；通過使用ICTCLAS-API完成對Web的中文分詞處理；根據(jù)和詞頻計(jì)算詞項(xiàng)權(quán)值，并根據(jù)特征選擇條件選擇特征詞項(xiàng)作為向量；通過使用聚類算法進(jìn)行Web文檔分類完成人名同一性判斷；給出人物關(guān)系強(qiáng)度定義，通過使用現(xiàn)有商用搜索