[发明专利]基于博客的主题专家识别算法

摘要

本发明涉及一种基于博客的主题专家识别算法，得出所有博客关于某个主题的主题质量分，将所有博客按照主题质量分的高低进行排序。本发明基于目前主题识别和博客社区抽取算法中存在的主要缺陷(如社区很小、主题意义不明确、成员内聚性弱、社区成员构成复杂等)，设计了一个有效的方法，具有如下优点综合考虑博文长度、评论长度、评论次数、评论质量、评论者的质量等多种因素，来对一个博客进行质量分评定，通过迭代使得质量分达到一个稳定的值，并由此制作出关于这个主题的博客排名。根据这个主题博客排名，进一步识别主题专家博客，使得博客在主题相关性，纯粹性，内聚性等方面得到了很大提高。

主权项

一种基于博客的主题专家识别算法，得出所有博客关于某个主题的主题质量分，将所有博客按照主题质量分的高低进行排序，其特征在于，将博客中的所有评论分为四类，分别为：第一类评论：针对其他博客博文的评论，并且同时与当前主题相关；第二类评论：针对自己博客博文的评论，并且同时与当前主题相关；第三类评论：针对其他博客博文的评论，并且与当前主题无关；第四类评论：针对自己博客博文的评论，并且与当前主题无关，则对于任意一个博客bi，其主题质量分的计算包括以下步骤：将博客bi的主题质量分分为固定质量分FixedQS(bi)和可变质量分MutableQS(bi)，则有：FixedQS(bi)=PQS(bi)+CQS(bi)=wpΣj=1ndqs(pij)+wc(Σl=1m1dqs(cil)+Σj=1m2dqs(cij))---(1)]]>在公式(1)中，PQS(bi)表示博客bi中博文的质量分，CQS(bi)表示博客bi中评论的质量分，dps(pij)表示博客bi中第j条博文的质量分，dps(cil)表示博客bi中第一类评论中的第l条评论的质量分，dps(cij)表示博客bi中第二类评论中的第j条评论的质量分，n表示博客bi中博文的总数，m1表示博客bi中第一类评论的总数，m2表示博客bi中第二类评论的总数，wp、wc分别为权重分配因子；MutableQS(bi)=FixedQS(bi)+FameCQS(bi)=wpΣj=1ndqs(pij)+wc(Σl=1m1dqs(cil)+Σj=1m2dqs(cij))+wcfΣm=1m3fame_qs(cim)---(2)]]>在公式(2)中，FameCQS(bi)表示博客bi中评论的虚拟质量分，fame_qs(cim)表示博客bi中第三类评论中的第m条评论的虚拟质量分，fame_sim表示虚拟相似度，length(cim)表示第三类评论中的第m条评论的长度，m3表示博客bi所有博文获取他人第三类评论的总数量，wcf为权重分配因子；对于可变质量分MutableQS(bi)，同时有公式(3)：MutableQS(bi)=Σk=1commenter_count(bi)(MutableQS(bk)×Σr=1num(ck_on_bi)ratio(ckr))---(3)]]>commenter_count(bi)表示对博客bi做出评论的所有评论者的数目，MutableQS(bk)表示对博客bi做出评论的所有评论者中第k个评论者的可变质量分，num(ck_on_bi)表示对博客bi做出评论的所有评论者中第k个评论者对博客bi做出评论的总数，dps(ckr)表示对博客bi做出评论的所有评论者中第k个评论者的博客中第一类评论及第二类评论中的第r条评论的质量分，fame_qs(ckr)表示对博客bi做出评论的所有评论者中第k个评论者的博客中第三类评论中的第r条评论的虚拟质量分，Total_CQS(bk)表示对博客bi做出评论的所有评论者中第k个评论者的博客中所有第一类评论的质量分、第二类评论的质量分及第三类评论的虚拟质量分的和，sim(ckr)表示对博客bi做出评论的所有评论者中第k个评论者的博客中第r条评论与当前主题的相关度；根据公式(2)及公式(3)循环迭代计算博客bi的可变质量分MutableQS(bi)直至收敛于稳定的值，得到最终的可变质量分MutableQS(bi)，并将其与固定质量分FixedQS(bi)求和，得到博客bi的主题质量分。