博文標(biāo)簽驗(yàn)證和補(bǔ)充方法研究.pdf

1、博客是Web2.0的一個(gè)典型應(yīng)用，隨著博客的快速發(fā)展，博文數(shù)量呈指數(shù)級(jí)增長(zhǎng)，博客搜索引擎可解決在海量博文中找到人們感興趣信息的問題。為了提高搜索結(jié)果的可瀏覽性，一些博客搜索引擎集成了聚類技術(shù)。博文標(biāo)簽是由博主添加的，用來表示博文主題信息的關(guān)鍵詞，因此將博文標(biāo)簽用于博文聚類應(yīng)該是一個(gè)很好的選擇。但是由于博主個(gè)人原因，可能會(huì)出現(xiàn)標(biāo)簽和博文主題信息不一致或者不能完整表達(dá)博文主題信息的現(xiàn)象，因此，不能直接將標(biāo)簽用于博文聚類。
　　針對(duì)上述

2、背景，本文提出一種利用博文主題信息進(jìn)行博文標(biāo)簽驗(yàn)證和補(bǔ)充的方法。本文選取新浪博文作為研究對(duì)象，在分析新浪博文屬性建立博文模型的基礎(chǔ)上，給出博文標(biāo)簽驗(yàn)證和補(bǔ)充方法的流程和框架，描述博文標(biāo)簽驗(yàn)證和補(bǔ)充過程中的關(guān)鍵算法，包括:帶本體的特征選擇算法;結(jié)合相似度的BP網(wǎng)絡(luò)分類算法以及博文標(biāo)簽驗(yàn)證和補(bǔ)充算法，并介紹根據(jù)維基百科分類體系構(gòu)建本體的方法。其中帶本體的特征選擇算法以更好的選擇特征表示用于BP網(wǎng)絡(luò)訓(xùn)練的博文為目的，首先使用DF方法初步降維，

3、然后利用CHI方法計(jì)算特征項(xiàng)的評(píng)估函數(shù)值，并根據(jù)該特征項(xiàng)是否在對(duì)應(yīng)的類別本體中出現(xiàn)調(diào)整其評(píng)估函數(shù)值;結(jié)合相似度的BP網(wǎng)絡(luò)分類算法利用大部分博文標(biāo)簽提供博文類別信息的優(yōu)勢(shì)，只有在標(biāo)簽提供的類別信息不準(zhǔn)確或者沒有提供類別信息的情況下才使用BP網(wǎng)絡(luò)對(duì)博文分類，從而降低直接使用BP網(wǎng)絡(luò)分類的時(shí)間消耗;博文標(biāo)簽驗(yàn)證和補(bǔ)充算法依據(jù)博文所屬類別的本體進(jìn)行，首先分別獲得博文和博文標(biāo)簽在本體中的代表節(jié)點(diǎn)，其次計(jì)算博文節(jié)點(diǎn)和標(biāo)簽節(jié)點(diǎn)之間的相似度實(shí)現(xiàn)博文標(biāo)簽