基于內容與鏈接分析的重要Blog信息源發(fā)現(xiàn).pdf

1、Blog是一種基于RSS技術的信息交互平臺，它是一種作者與讀者以日志風格進行交互的中介，是一種嶄新的信息傳播和交互方式。與傳統(tǒng)的網(wǎng)絡信息相比，Blog領域鏈接關系更加豐富，Blog信息源間交互更加頻繁，為用戶在互聯(lián)網(wǎng)上發(fā)布信息和進行交互提供了方便。
　　隨著Blog的迅速發(fā)展，信息量的膨脹和信息源的無限增加也帶來了嚴重的問題，非法廣告和含有不健康內容的危害信息等層出不窮，并通過博客方便快捷的渠道快速傳播。另一方面，信息量的膨脹和信

2、息源的無限增加給互聯(lián)網(wǎng)用戶查找自己所關心的信息帶來了不便。
　　本文的研究目的在于識別Blog領域的危害信息，并發(fā)現(xiàn)重要的Blog信息源，為用戶查找相關信息提供方便。研究中采用基于內容的方法，運用文本相似度計算的相關技術識別并過濾Blog領域的危害信息，并取得了較好的效果。為了給用戶閱讀和查找信息提供方便，本文還提出了一種基于鏈接分析的對Blog信息源進行量化評估的方法，在此基礎之上發(fā)現(xiàn)重要Blog信息源，既體現(xiàn)了Blog信息的特

3、點，又在一定程度上減小了作弊鏈接對鏈接分析結果的影響，能為用戶閱讀信息提供方便，并可望為Blog信息檢索提供一種新的思路。為了證明該評估方法的有效性，本文還提出了Blog信息源重要性的評價指標，對比了233個Blog信息源量化評估方法和評價指標的評分結果，通過相關性分析證明了此方法和評價指標存在高度的一致性。此外，模擬了多種作弊鏈接的情況，并在此基礎上依據(jù)新的鏈接關系重新計算重要性值，對比了作弊鏈接前后1057個Blog信息源的重要性值