Blog文檔的自動文摘方法研究.pdf

1、隨著因特網(wǎng)的高速發(fā)展、信息爆炸時代的延展,人們對于信息的獲取又有了新的需求。人們不再僅僅滿足于由新聞媒體、信息門戶等網(wǎng)絡(luò)信息實(shí)體所展示的文章或多媒體信息,而是更加傾向于同網(wǎng)絡(luò)中其他用戶的信息交流、分享與互動。隨著這種需求的不斷增加,作為提供用戶信息交流的WEB2.0信息實(shí)體的典型代表,Blog獲得了廣泛的關(guān)注與發(fā)展。由于Blog具有文章良莠不齊,評論噪聲偏多的特點(diǎn),如何結(jié)合Blog評論獲取Blog文章的主要內(nèi)容來給予讀者一個簡要的內(nèi)容展

2、示是許多基于Blog的應(yīng)用所要面臨的難題,而對面向Blog的自動文本摘要技術(shù)的研究為解決這個難題提供了一種思路。
　　 目前對于自動文本摘要技術(shù)的研究大多關(guān)注的是對單個文檔或是屬于同一主題下的多個文檔的文本摘要技術(shù),而對于特定交互式網(wǎng)絡(luò)實(shí)體的相關(guān)文本摘要技術(shù)的研究較少。目前比較成熟的通用自動文本摘要技術(shù)大多對Blog文章的內(nèi)容以及結(jié)構(gòu)特點(diǎn)的理解與分析存在著偏差,生成的文本摘要的質(zhì)量也不高。而在面向特定應(yīng)用的自動文本摘要技術(shù)中Bl

3、og文章的處理方法也相對較少,而且效果相對較差。本文通過分析Blog的組成元素以及各元素之間的聯(lián)系與特點(diǎn),對面向Blog文章的自動文本摘要方法進(jìn)行了研究,并提出了相對應(yīng)的文本摘要方法,最后通過實(shí)驗(yàn)證明了該方法的有效性。
　　 本文的研究內(nèi)容主要包括如下幾個方面:
　　 1.提出了一些可以用于量化Blog相關(guān)元素重要性的特征。本文通過分析Blog各個組成元素的特點(diǎn),提出了Blog統(tǒng)計特征、內(nèi)容復(fù)雜度及觀點(diǎn)獨(dú)特性等可以量化相

4、關(guān)元素重要性的特征。相關(guān)實(shí)驗(yàn)證明本文提出的幾種量化特征能夠有效的提高Blog文本摘要的質(zhì)量
　　 2.提出了一種Blog評論排名以及噪聲過濾的方法。在根據(jù)正文與評論的相關(guān)特征,通過相應(yīng)的回歸特征量化方法得出Blog評論重要度的基礎(chǔ)上,設(shè)定噪聲過濾閾值。通過相關(guān)實(shí)驗(yàn)證明這種重要度量化方法以及相應(yīng)的噪聲過濾方法能夠有效的得到Blog評論的重要度并在過濾噪聲時具有較高的查全率和查準(zhǔn)率。
　　 3.提出了一種基于HITS圖算法的