基于虛擬社區(qū)的Web挖掘技術(shù)研究.pdf

1、近年來(lái)，虛擬社區(qū)隨著互聯(lián)網(wǎng)的迅速發(fā)展已經(jīng)成為人們獲取信息和傳播信息的重要渠道。在Web挖掘技術(shù)的基礎(chǔ)上如何通過(guò)分析虛擬社區(qū)中信息的發(fā)布、傳播方式進(jìn)而挖掘出有影響力主題信息；如何通過(guò)分析社區(qū)成員在社區(qū)活動(dòng)中的作用進(jìn)而發(fā)現(xiàn)影響社區(qū)的領(lǐng)袖人物已經(jīng)成為Web挖掘領(lǐng)域的新課題。 本論文針對(duì)以上兩個(gè)方面進(jìn)行了研究，主要工作包括以下幾個(gè)方面：(1)研究了影響力擴(kuò)散模型(IDM)，并在此基礎(chǔ)上進(jìn)行了改進(jìn)。從論壇中發(fā)表的帖子之間的回復(fù)關(guān)系出發(fā)，提

2、出了一種計(jì)算主題影響力的算法。 該算法擴(kuò)展Matsumura等人的IDM，在計(jì)算詞語(yǔ)的影響力時(shí)考慮了詞語(yǔ)的權(quán)重，更好地區(qū)分了詞語(yǔ)在傳播影響力時(shí)的作用。 (2)提出了主題聚類(lèi)的概念。利用有影響力詞語(yǔ)及其相互關(guān)系構(gòu)建詞語(yǔ)圖G，彼此關(guān)聯(lián)緊密的有影響力詞語(yǔ)之間具有較高的相關(guān)度，它們?cè)谠~語(yǔ)圖G中的結(jié)點(diǎn)相互連接形成一個(gè)連通子圖，稱(chēng)為一個(gè)聚類(lèi)(cluster)。每個(gè)聚類(lèi)所包含的詞語(yǔ)在一起表達(dá)了一個(gè)相對(duì)集中的話題，對(duì)應(yīng)了論壇中一系列與之

3、相關(guān)的主題。利用概率方法引入了高key詞語(yǔ)，能夠同時(shí)關(guān)聯(lián)到多個(gè)聚類(lèi)，與多個(gè)話題有關(guān)。高key詞語(yǔ)被添加到詞語(yǔ)圖G中，通過(guò)詞語(yǔ)間的相關(guān)度計(jì)算添加連線連接原來(lái)在詞語(yǔ)圖G中并不相關(guān)的高頻詞語(yǔ)而形成新的聚類(lèi)。最后在主題聚類(lèi)的基礎(chǔ)上利用概率方法計(jì)算出主題的影響力。 (3)研究了小世界網(wǎng)絡(luò)模型，根據(jù)社區(qū)成員的回復(fù)行為提出了虛擬社區(qū)網(wǎng)絡(luò)的構(gòu)建方法。將小世界網(wǎng)絡(luò)特征引入虛擬社區(qū)網(wǎng)絡(luò)分析，找出了判斷社區(qū)成員重要性的方法，從而發(fā)現(xiàn)虛擬社區(qū)中的意見(jiàn)領(lǐng)

4、袖。 (4)研究了Web頁(yè)面搜集、清理和過(guò)濾技術(shù)，并針對(duì)虛擬社區(qū)的特點(diǎn)進(jìn)行了改進(jìn)。根據(jù)論壇中Web頁(yè)面的樹(shù)形結(jié)構(gòu)，設(shè)計(jì)了面向虛擬社區(qū)論壇的網(wǎng)頁(yè)搜集取程序、頁(yè)面保存格式和清理過(guò)濾方法。 本論文的創(chuàng)新之處在于將Web挖掘技術(shù)同虛擬社區(qū)中的巨大信息及人物行為相結(jié)合，將虛擬社區(qū)中的信息作為一種與普通Web頁(yè)面不同的數(shù)據(jù)源，應(yīng)用Web挖掘技術(shù)和回復(fù)關(guān)系分析，幫助虛擬社區(qū)用戶(hù)發(fā)現(xiàn)社區(qū)中具有影響力的主題信息和社區(qū)成員，幫助社區(qū)管理人員