论文部分内容阅读
随着Web2.0技术的成熟，Blog作为Web2.0的重要应用，以其个性化的信息发布平台、多元化的内容载体等特点，吸引着越来越多的网络用户参与其中。撰写和浏览Blog已经成为网络文化新的流行热点，并直接推动了Blog搜索服务的发展。目前的Blog搜索服务大都是基于对查询关键字的匹配来实现的，缺乏自动提取用户兴趣并进行推荐的能力。本文设计和实现了一个面向Blog的挖掘和推荐系统Blog-digger，该系统采用Blog挖掘技术，能自动识别用户的兴趣，并主动推荐主题相关的Blog。
本文首先对Web2.0技术进行了概要性的介绍，然后，对文本分类技术进行了细致的探讨，并对该技术中所涉及的各种方法的特点及其性能进行了分析，选出更适合针对Blog进行挖掘的方法。本文还对Blog排名问题进行了较为深入的研究：介绍了基于链接的网页排序算法以及它们在Blog排名上的不适用性，又对现有的两种Blog排名算法进行了分析，指出了其存在的局限性。本文提出了一种基于Blog内容特征的新排序方法。该方法利用机器学习领域中的RankBoost算法，得到一个可以量化Blog热门程度的表达式。在nDCG标准测试中，新算法的排序结果比现有的Blog排名算法提高了14.5％。本文详细描述了Blog-digger系统的设计和实现，包括体系结构、服务器组件和客户组件，介绍了系统的工作流程以及实际系统的工作情况。