伴隨著互聯(lián)網(wǎng)核心技術(shù)的快速升級(jí)和持續(xù)增長(zhǎng)的網(wǎng)絡(luò)用戶規(guī)模,網(wǎng)絡(luò)空間中存在著大量的數(shù)據(jù)信息。這些信息涉及到社會(huì)生活的各個(gè)方面,但人作為所有社會(huì)活動(dòng)的參與者,不難得出人物信息在互聯(lián)網(wǎng)信息中的所占比例以及重要程度。人們希望從網(wǎng)絡(luò)空間中獲得特定人物信息,但是面對(duì)龐大的網(wǎng)絡(luò)信息量,用戶檢索信息的難度大大增加。因此設(shè)計(jì)一個(gè)系統(tǒng),從網(wǎng)絡(luò)空間中爬取用戶可能關(guān)注的信息,對(duì)這些信息進(jìn)行聚合并生成不同人物實(shí)體的聚合結(jié)果,正確、迅速、整體地將用戶真正關(guān)心的信息展示給他們。本論文根據(jù)用戶實(shí)際需要對(duì)人物信息聚合系統(tǒng)的功能和非功能需求進(jìn)行分析,對(duì)系統(tǒng)體系結(jié)構(gòu)和子模塊功能進(jìn)行設(shè)計(jì),深入研究網(wǎng)絡(luò)人物信息聚合的實(shí)際技術(shù)解決方法,實(shí)現(xiàn)了一個(gè)網(wǎng)絡(luò)空間的人物信息聚合系統(tǒng),具體完成工作如下:結(jié)合搜索引擎設(shè)計(jì)多線程爬蟲對(duì)用戶關(guān)注的人物信息網(wǎng)址進(jìn)行采集,通過基于網(wǎng)頁結(jié)構(gòu)和統(tǒng)計(jì)特征的正文抽取方法構(gòu)建同名人物的網(wǎng)頁信息庫(kù)。利用詞袋模型、TF-IDF算法結(jié)合N元模型提取人物網(wǎng)頁的不同特征信息,通過使用向量空間模型對(duì)每個(gè)網(wǎng)頁信息文本構(gòu)建文本特征向量。對(duì)比分析文本聚類中的相關(guān)聚類方法,評(píng)估近鄰傳播算法和凝聚層次聚類算法在網(wǎng)頁人物信息文本中的聚類... 

【文章來源】：北京郵電大學(xué)北京市211工程院校教育部直屬院校

【文章頁數(shù)】：90 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１?ＨＴＭＬ網(wǎng)頁的ＤＯＭ樹表示形式??ＣＳＳ選擇器就是基于ＤＯＭ樹的特征進(jìn)行網(wǎng)頁抽取的，選擇器會(huì)通過匹配樹??中的標(biāo)記和屬性來解釋網(wǎng)頁內(nèi)容應(yīng)屬于標(biāo)記的哪個(gè)部分，元素取決于它們?cè)谖臋n??

于聚合結(jié)果，需要以可視化的形式展示，用戶可以通過交互查看自己關(guān)注的內(nèi)容，??如果對(duì)于聚合結(jié)果有誤的話，用戶能以簡(jiǎn)潔地操作對(duì)其修改，對(duì)人物信息庫(kù)進(jìn)行??正確地管理。下面具體對(duì)系統(tǒng)功能需求進(jìn)行闡述（如用例圖３－１所示）：??（１）

于聚合結(jié)果，需要以可視化的形式展示，用戶可以通過交互查看自己關(guān)注的內(nèi)容，??如果對(duì)于聚合結(jié)果有誤的話，用戶能以簡(jiǎn)潔地操作對(duì)其修改，對(duì)人物信息庫(kù)進(jìn)行??正確地管理。下面具體對(duì)系統(tǒng)功能需求進(jìn)行闡述（如用例圖３－１所示）：??（１）


本文編號(hào)：3644253