基于文章要素影响分析的博客文章分类方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 @数据库、信号与信息处理@ 基于文章要素影响分析的博客文章分类方法 鲁梦平’，黄 翰 ，蔡昭权 ，朱一帆’，何翊宇 ，徐震宇’ LU M engping。，HUANG Han’，CAIZhaoquan，ZHU Yifan，HE Yiyu’，XU Zhenyu’ 1．华南理工大学 软件学院，广州 510006 2．惠州学院 教育技术中心 ，广东 惠州 516007 1．SchoolofSoftwareEngineering，South ChinaUniversity ofTechnology，Guangzhou 510006，China 2．EducationalTechnology Center，Huizhou University，Huizhou，Guangdong 516007，China LU M engping，HUANG Han，CAIZhaoquan，etal。Biog posts classification method based on analysisofarticleelements． ComputerEngineeringandApplications，2011，47(29)：124—126． Abstract：Traditiona1textclassification methods are directly used to classify blog postswithoutconsidering characteristics ofblogposts，SO thispaperproposesamethod to improve classification resultsby considering the impactofarticle elements． This paperproposes an easy method to getrid ofnoisy postsin orderto ensure the reliability oftheposts；blog tags are used to extend the thesaurusSO asto improve words segmentand the accuracy ofblog classification；GImethod proposed in comprehensive evaluation modelisused to calculate theweights oftitle，tag，label，firstparagraph，lastparagraph and other part，which rae to be analyzed in blog classification．Experimentalresults show thatthismethod can gain beRerclassification performancethan traditionalTF-IDF method． Key words：blog postsclassification；blog textfiltering；blogtags；article element；G1method 摘 要 ：现有的博客文章分类的研究通常直接沿用传统文本分类方法，并没有结合博客 自身的特点。研究基于文章要素的影响分 析实现分类效果的改进。提出了一种简单的博客文本去噪方法，以保证博客数据的可靠性；提出了基于博客标签的中文词库扩展 方法，用于改善中文分词效果，以提高博客分类的准确性；根据综合评价模型G1法计算博客文章中标题、标签 类别、首段 末段以 及正文等文章要素的权重，分析它们对博客分类的影响。实验结果表明，研究提出的方法比传统的TFIDF方法有更好的分类效果。 关键词：博客文章分类；博客文本去噪；博客标签；文章要素；G1法 DOI：10．3778~．issn．1002—8331．2011．29．034 文章编号 ：1002—8331(2Ol1)29一O124．03 文献标识码：A 中图分类号：TP31l 博客(Blog)作为一种全新的网络交流方式，受到越来越 标签、分类、首段、末段、评论和其他正文部分组成，这些文章 多人的关注。海量的博客数据给信息组织和管理带来了巨大 要素在表达博客主题时所体现的重要程度是不一样的。 的困难。博客分类技术作为一种 自动的、高效的知识管理技