[发明专利]一种完善社区网络的方法和系统

说明书

技术领域

本发明主要涉及网络技术中额网络搜索技术领域，尤其涉及一种完善社区网络的方法和系统。

背景技术

随着互联网技术的不断发展，网络上的资源也越来越多。越来越多的用户从网络上搜索、筛选自己需要的数据。

因着网络上数据的飞速增长，导致用户需要在网络上耗费大量的时间检索自己所需要的数据。因而随之产生了社区服务，社区服务是指将包含类似或相关内容的网页有序的罗列在一起，例如BBS论坛、在线交友以及贴吧空间等。在社区服务的背后，需要计算机对海量的信息自动进行社区挖掘，而文本又是网页的主要内容，所以文本挖掘显得尤为重要。

文本挖掘的内容是以自然语言的形式呈现的，而复杂的自然语言是计算机所难以理解的，因此我们可以采用从网页中提取关键词的办法，来表达网页的大意。另外随着网络技术的发展，用户留在网络上的信息不仅包括访问记录和操作行为，还包括：用户为网络图片打上注释、评论所看到的文章、为访问过的页面打上标签等。带有用户鲜明个性的标签，已然为海量网页的呈现、组织和检索质量造成了显著的影响，因而网页标签足以对网络的自我组织产生决定性影响，所以本申请主要是基于网页标签来对网页内容进行检索，以完善社区网络的信息。

传统的基于标签进行信息检索，如图1所示，主要包括如下步骤：

S101：获得网络链路信息；

S103：通过所述网页链接信息，获得与其相对应的网页，所述网页包括访问过所述网页链接的用户设置的标签信息；

S105：提取用来表征所述网页的关键词信息；

S107：相似度分析：将所述关键词与进行搜索的基准关键词进行相似度分析，得到所述网页与基准为网页的相似度；

S109：网页筛选：当所述相似度满足一定条件时，将所述网页加入到社区中。

不难看出，标签作为关键词的扩展形式，由于其所含的信息量比较大。因而利用传统的文本挖掘技术时，不免影响对其进行准确的分析，尤其是当两个标签，其在自然语言中是意义相同的同义词，而在基于统计方法的文本挖掘中，可能会被直观的处理为毫无意义而正交的两个向量，这样轻率的判断无疑会很大程度上降低网络服务的质量。

发明内容

本申请提供了一种通过文本挖掘来完善社区网络的方法和系统。用以解决现有技术中，对于自然语言中意义相同的同义词的两个标签，可能会被处理为毫无意义而正交的两个向量，进而降低了社区网络服务质量的问题。

一方面，本发明通过本申请中的一个实施例，提供如下技术方案：

一种完善社区网络的方法，包括如下步骤：

获得网络链接信息；

通过如所述网页链接信息，获得与所述网页链接信息相对应的网页，所述网页包括访问过所述网页链接的用户设置的标签信息；

获得用来表征所述网页特征的至少一个关键词，所述至少一个关键词中的至少一个第一关键词与所述标签信息对应；

将所述至少一个关键词与基准关键词进行相似度分析，得到所述网页的特征信息，所述基准关键词为所述社区网络中已经有的基准网页对应的关键词；

将所述至少一个关键词与所述基准关键词进行语义相似度分析，得到所述网页的语义相似度值；

基于所述特征信息和所述语义相似度值，获得所述网页与所述基准网页的第二网页相似度值；

当所述第二网页相似度值满足一定条件时，将所述网页加入到所述社区网络中。

可选的，所述网页还包括有网页内容；所述至少一个关键词还包括有至少一个第二关键词，所述至少一个第二关键词与所述网页内容对应。

可选的，所述基于所述特征信息和所述语义相似度值，获得所述网页与所述基准网页的第二网页相似度值，具体包括：

将所述语义相似度值引入到所述特征信息中，对所述特征信息进行一个补充，得到第一网页相似度值；

对所述第一网页相似度值进行聚类分析，得到所述第二网页相似度值。

可选的，所述至少一个第二关键词通过如下步骤获得：

搜集所述网页中的关键词信息，得到至少一个第三关键词；

对所述至少一个第三关键词进行过滤处理，得到至少一个第四关键词；

利用所述至少一个第四关键词，通过统计方法，对所述网页特征进行分析，得到所述至少一个第二关键词。

另一方面，本发明通过本申请中的另一实施例提供如下技术方案：

一种完善社区网络的系统，包括：