金融領(lǐng)域的博客信息采集與排序算法研究.pdf

1、博客是一個(gè)個(gè)人性與公共性相結(jié)合的媒介，它充分利用了網(wǎng)絡(luò)雙向互動(dòng)，超文本鏈接，動(dòng)態(tài)更新，覆蓋范圍廣的特點(diǎn)，其精髓不是表達(dá)個(gè)人思想或是記錄個(gè)人的日常經(jīng)歷，而是從個(gè)人的角度，來(lái)精選和鏈接互聯(lián)網(wǎng)上最具有價(jià)值的信息、知識(shí)與資源，為他人提供共享資源。
　　隨著博客的迅猛發(fā)展，帶來(lái)了海量的博客資源，如何組織，檢索，有效利用豐富的博客資源，挖掘有價(jià)值的信息引起了包括科研界和工業(yè)界的廣泛關(guān)注，各種方法和技術(shù)的應(yīng)用正在被探索中。目前google、百度

2、等主要中英文搜索引擎加大了對(duì)博客的關(guān)注，但是對(duì)于博客的排序基本上還是采用傳統(tǒng)的頁(yè)面排序算法。
　　本課題在分析了博客與傳統(tǒng)網(wǎng)頁(yè)之間的區(qū)別的基礎(chǔ)上，根據(jù)博客頁(yè)面特征設(shè)計(jì)實(shí)現(xiàn)了一種基于RSS結(jié)構(gòu)的博客爬蟲系統(tǒng)，針對(duì)網(wǎng)絡(luò)上的金融博客文章進(jìn)行特定的爬取。對(duì)現(xiàn)有的博客搜索結(jié)果排序算法進(jìn)行分析，對(duì)比BlogRank、B2Rank和EigenRumor等算法，找出可能影響博客排序的因素，并對(duì)可能影響最終排序結(jié)果的因素通過(guò)量化的方式加以評(píng)估，最后