基于Web內(nèi)容的用戶興趣挖掘技術(shù)研究.pdf

1、本文著重從以下幾方面進行了研究： (1)關(guān)鍵字提取技術(shù)?；趶碗s網(wǎng)絡(luò)理論中的小世界網(wǎng)絡(luò)模型，提出一種新的關(guān)鍵字提取方法。主要引入小世界網(wǎng)絡(luò)模型理論中的平均最短路徑長度變化量和簇系數(shù)變化量來刻畫分詞的重要性，進而通過適當計算獲得文本中的關(guān)鍵字。 (2)文本相似性度量。本文提出的一種新的基于語義的文本相似性度量方法，該方法利用了《知網(wǎng)》的詞語語義相似度計算工具。首先計算不同文本中關(guān)鍵字之間的語義相似度，然后進行統(tǒng)計得到文本相

2、似度。該方法有效地結(jié)合語義知識，減少了同義詞對計算結(jié)果的干擾并降低特征項數(shù)，為后續(xù)的文本聚類奠定良好的基礎(chǔ)。 (3)文本聚類技術(shù)?；趶碗s網(wǎng)絡(luò)理論中的社團結(jié)構(gòu)發(fā)現(xiàn)方法提出一種無監(jiān)督的文本聚類算法。通過計算每一對文本的相似度，我們構(gòu)造了一個文本相似關(guān)系圖，然后使用新的圖聚類算法-Newman算法有效地識別文本簇。 (4)興趣表示和提取。本文提出基于加權(quán)特征向量的用戶興趣表示和提取方法。特征向量的元素采用關(guān)鍵字表示。通過統(tǒng)計