[發(fā)明專利]基于鏈接與文本內(nèi)容的網(wǎng)絡(luò)社區(qū)用戶群劃分方法

有效

• 申請?zhí)枺?/td>: 201310084039.1
• 申請日: 2013-03-15
• 公開（公告）號: CN103218400B
• 公開（公告）日: 2017-04-05
• 發(fā)明（設(shè)計(jì)）人: 閆健卓;王穎;方麗英;王普;齊孟堯
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司11203
• 代理人: 張慧

技術(shù)領(lǐng)域

本發(fā)明屬于互聯(lián)網(wǎng)絡(luò)領(lǐng)域，具體涉及一種基于鏈接與文本內(nèi)容的網(wǎng)絡(luò)社區(qū)用戶群劃分方法，旨在為網(wǎng)絡(luò)社區(qū)優(yōu)化和個(gè)性化服務(wù)提供理論基礎(chǔ)與技術(shù)手段。

背景技術(shù)

隨著Web2.0技術(shù)的發(fā)展，互聯(lián)網(wǎng)進(jìn)入了一個(gè)嶄新的階段。根據(jù)中國互聯(lián)網(wǎng)信息中心發(fā)布的第31次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告表明，中國網(wǎng)民達(dá)到5.64億，互聯(lián)網(wǎng)普及率達(dá)到42.1%。用戶數(shù)量的增長，進(jìn)一步推動(dòng)了網(wǎng)絡(luò)服務(wù)與應(yīng)用的革新與發(fā)展。網(wǎng)絡(luò)社區(qū)為人們提供了一個(gè)資源豐富的、便捷的網(wǎng)上交流平臺。在網(wǎng)絡(luò)社區(qū)中，一方面，用戶可以通過相互鏈接顯性地表現(xiàn)彼此間的關(guān)注和關(guān)聯(lián)；另一方面，具有相同興趣愛好的用戶會(huì)通過發(fā)表文章、評論等信息隱性地表現(xiàn)彼此間關(guān)注和聯(lián)系。發(fā)掘存在于網(wǎng)絡(luò)社區(qū)中用戶間的顯性和隱性關(guān)系，可以客觀地反映網(wǎng)絡(luò)社區(qū)中用戶之間的關(guān)聯(lián)關(guān)系，對于發(fā)現(xiàn)完善和優(yōu)化網(wǎng)絡(luò)社區(qū)應(yīng)用服務(wù)、增加價(jià)值具有基礎(chǔ)性作用與意義。

網(wǎng)絡(luò)社區(qū)的生存往往需要經(jīng)過探索、建立、發(fā)展、成熟、滅亡五個(gè)階段，其中社區(qū)的成熟階段具有最大的用戶群和穩(wěn)定的關(guān)系網(wǎng)絡(luò)，如何使得社區(qū)維持在成熟階段，保證社區(qū)的可持續(xù)發(fā)展，引起了國內(nèi)外專家學(xué)者的廣泛關(guān)注。主要圍繞如何完善網(wǎng)絡(luò)社區(qū)中檢索、好友識別等功能，提升社區(qū)的個(gè)性化和主動(dòng)式服務(wù)質(zhì)量。申請?zhí)枮镃N102929889A的專利公布了一種完善社區(qū)網(wǎng)絡(luò)的方法和系統(tǒng)，利用提取網(wǎng)頁特征詞，計(jì)算語義相似的方法對網(wǎng)絡(luò)社區(qū)中每個(gè)用戶的網(wǎng)頁內(nèi)容進(jìn)行標(biāo)簽標(biāo)定，以便于優(yōu)化社區(qū)中的信息檢索；申請?zhí)枮镃N1021857872的專利公布了一種自動(dòng)識別好友的方法與系統(tǒng)，通過提取用戶輸入內(nèi)容中的好友信息與好友列表進(jìn)行匹配來確認(rèn)該好友身份，提醒用戶添加新好友。但這些技術(shù)都是僅從單一用戶的表象特征著手分析，既沒有考慮到用戶隱含在文本、鏈接等內(nèi)容背后的隱性特征，也沒有認(rèn)識到分析網(wǎng)絡(luò)結(jié)構(gòu)和用戶群體特征的重要性。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提出了一種應(yīng)用鏈接分析和web文本信息分類技術(shù)相結(jié)合實(shí)現(xiàn)網(wǎng)絡(luò)社區(qū)用戶群劃分的方法，旨在為網(wǎng)絡(luò)社區(qū)應(yīng)用服務(wù)的優(yōu)化與完善提供方法和技術(shù)手段。

本發(fā)明的原理如下：

鏈接分析方法是搜索引擎中最常用與快速的方法，用于分析正向鏈接與反向鏈接的數(shù)量，以此為基礎(chǔ)對每個(gè)鏈接進(jìn)行排序形成檢索結(jié)果。事實(shí)上，鏈接分析的主要作用是分析鏈接間的緊密程度，正、反向鏈接數(shù)量越大，鏈接間的緊密程度越高。在網(wǎng)絡(luò)社區(qū)中，用戶通常會(huì)建立友情鏈接或者引用鏈接，通過對這些鏈接進(jìn)行分析，可挖掘出社區(qū)中用戶間的親疏關(guān)系，劃分網(wǎng)絡(luò)社區(qū)用戶群。

網(wǎng)絡(luò)社區(qū)用戶通過發(fā)表文章、評論即時(shí)地表現(xiàn)自己的觀點(diǎn)認(rèn)識，但對這些信息進(jìn)行收集和整理不難發(fā)現(xiàn)，用戶發(fā)表的文章，關(guān)注的內(nèi)容具有一定相似性。利用web文本分類技術(shù)對每個(gè)用戶的文本信息進(jìn)行分類統(tǒng)計(jì)，可清晰地分析出每個(gè)用戶的興趣偏好，根據(jù)“物以類聚，人以群分”的思想，網(wǎng)絡(luò)社區(qū)用戶群可按照相同興趣愛好進(jìn)行劃分。

本發(fā)明采用的技術(shù)方案如下：

本發(fā)明利用基于鏈接的分析方法對網(wǎng)絡(luò)社區(qū)用戶在鏈接上所表現(xiàn)出的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析，同時(shí)利用基于文本內(nèi)容的分析方法對網(wǎng)絡(luò)社區(qū)用戶在文本內(nèi)容上所表現(xiàn)的相同興趣結(jié)構(gòu)進(jìn)行分析，將二者的結(jié)果進(jìn)行差異性融合，得到具有綜合性的網(wǎng)絡(luò)社區(qū)用戶群劃分結(jié)果。在此基礎(chǔ)上，分別對每一個(gè)劃分結(jié)果運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法對網(wǎng)絡(luò)密度、群半徑等多個(gè)指標(biāo)進(jìn)行評價(jià)，驗(yàn)證整個(gè)網(wǎng)絡(luò)社區(qū)用戶群劃分結(jié)果的準(zhǔn)確性。若發(fā)現(xiàn)不滿足指標(biāo)要求，將按照緊密程度對該群體成員進(jìn)行篩選。以保證網(wǎng)絡(luò)社區(qū)用戶劃分結(jié)果的可靠性。

一種基于鏈接與文本內(nèi)容的網(wǎng)絡(luò)社區(qū)用戶群劃分方法，其特征在于包括以下步驟：

步驟一，利用爬蟲技術(shù)分別爬取網(wǎng)頁文本內(nèi)容（包括正文、評論）和鏈接（包括友情鏈接、引用鏈接），并分別存入文本數(shù)據(jù)庫和鏈接數(shù)據(jù)庫。

步驟二，利用基于java語言開發(fā)的中文分詞工具包IKAnalyzer對網(wǎng)頁文本內(nèi)容進(jìn)行中文分詞，利用基于支持向量機(jī)（SVM）的文本分類方法對文本進(jìn)行分類。

步驟三，統(tǒng)計(jì)每個(gè)網(wǎng)絡(luò)用戶的網(wǎng)頁文本類別，得到網(wǎng)絡(luò)社區(qū)中用戶在文本內(nèi)容中所表現(xiàn)的興趣取向，并用向量表示如下：

Character_i＝{I₁,I₂,I₃,……}

其中，Character表示用戶興趣特征集合，I_i表示興趣i的特征權(quán)值。

以此為基礎(chǔ)，網(wǎng)絡(luò)社區(qū)用戶興趣以矩陣形式表示如下：