面向金融領(lǐng)域BBS的話題發(fā)現(xiàn)和熱度評價.pdf

1、互聯(lián)網(wǎng)的出現(xiàn)與發(fā)展，使信息資源從貧乏時代進入到極度豐富的時代。伴隨著互聯(lián)網(wǎng)的迅速發(fā)展，BBS早已成為人們發(fā)表言論，交流信息的重要場所。當今世界經(jīng)濟的飛速發(fā)展，人們開始熱衷于股票、債券、基金等金融領(lǐng)域的投資，如何能及時準確地獲得當前人們最關(guān)心，最熱門的金融話題是每一個網(wǎng)民都十分關(guān)注的。
　　通過設(shè)計并實現(xiàn)面向金融領(lǐng)域BBS的熱點發(fā)現(xiàn)和熱度評價系統(tǒng)可以有效解決上述問題。本文在充分考慮了金融BBS的文本組織結(jié)構(gòu)和文本的預(yù)處理方法的基礎(chǔ)上

2、，主要研究了面向金融BBS熱點話題發(fā)現(xiàn)方法和熱度評價方法。
　　本文的主要內(nèi)容有：
　　(1)對BBS數(shù)據(jù)進行抽取以及進行相關(guān)預(yù)處理：通過研究傳統(tǒng)的信息抽取方法，結(jié)合金融BBS帖子頁面的結(jié)構(gòu)特性，提出了基于最大重復(fù)DOM樹的BBS數(shù)據(jù)抽取方法。實驗結(jié)果表明，該算法能夠有效地提取金融BBS帖子的有效信息。
　　(2)提出一種針對金融BBS文本特性的特征選擇方法?？紤]到金融BBS既有BBS文本的特征又有金融詞匯主題相關(guān)性的

3、特征，提出了BTF*IDF算法以滿足對金融BBS的特征選擇。實驗結(jié)果表明，相對于傳統(tǒng)的特征提取方法，本文的方法能夠更好的完成特征選擇的任務(wù)。
　　(3)提出一種基于時間演化理論的增量聚類算法。與傳統(tǒng)的聚類算法相比，該算法在文本聚類的過程中結(jié)合了話題演化的生命周期。實驗結(jié)果表明，該算法能夠有效地優(yōu)化話題發(fā)現(xiàn)的結(jié)果集，提高話題發(fā)現(xiàn)的質(zhì)量。
　　(4)采用基于用戶關(guān)注度和話題時效性的熱度評價算法。通過在熱度評分算法中融入了用戶關(guān)注