中文RSS動態(tài)讀物深度聚合系統(tǒng)研究.pdf

1、互聯(lián)網(wǎng)及信息技術(shù)的高速發(fā)展帶來了網(wǎng)絡信息量爆炸式增長。在互聯(lián)網(wǎng)上“Pull”信息的方式暴露出越來越明顯的缺點。RSS(Really Simple Syndication,真正的簡單聚合)隨即出現(xiàn)并得到廣泛應用。它采用“Push”技術(shù),將有價信息高效的送達。然而,隨之而來的則是RSS動態(tài)讀物數(shù)量的迅速膨脹。這一現(xiàn)象又衍生出一些新的問題。RSS供稿源中內(nèi)容繁雜,目前以供稿源為單位的聚合不符合人們聚焦及可擴展的閱讀需求。因此,本文探討并實現(xiàn)了

2、中文RSS動態(tài)讀物深度聚合系統(tǒng)。
　　 文章首先提出了中文RSS動態(tài)讀物的概念,明確了其研究范疇,為探討相關(guān)技術(shù)及應用打下了基礎(chǔ)。在分析簡單供稿源聚合的不足之后,提出深度聚合并進行信息預處理。即:對供稿源進行內(nèi)容抽取,轉(zhuǎn)化成粒度更小的文章作為基本對象,并進行文本分詞及關(guān)鍵詞提取等處理。在此基礎(chǔ)上,以聚焦并可擴展的閱讀為目的,重點討論了多種深度聚合方式。主要包括:通過研究中文文本分類技術(shù),實現(xiàn)了基于文章內(nèi)容的自動分類。海量文章的類