金融領域的博客信息采集與排序算法研究.pdf

1、博客是一個個人性與公共性相結合的媒介，它充分利用了網(wǎng)絡雙向互動，超文本鏈接，動態(tài)更新，覆蓋范圍廣的特點，其精髓不是表達個人思想或是記錄個人的日常經(jīng)歷，而是從個人的角度，來精選和鏈接互聯(lián)網(wǎng)上最具有價值的信息、知識與資源，為他人提供共享資源。
　　隨著博客的迅猛發(fā)展，帶來了海量的博客資源，如何組織，檢索，有效利用豐富的博客資源，挖掘有價值的信息引起了包括科研界和工業(yè)界的廣泛關注，各種方法和技術的應用正在被探索中。目前google、百度

2、等主要中英文搜索引擎加大了對博客的關注，但是對于博客的排序基本上還是采用傳統(tǒng)的頁面排序算法。
　　本課題在分析了博客與傳統(tǒng)網(wǎng)頁之間的區(qū)別的基礎上，根據(jù)博客頁面特征設計實現(xiàn)了一種基于RSS結構的博客爬蟲系統(tǒng)，針對網(wǎng)絡上的金融博客文章進行特定的爬取。對現(xiàn)有的博客搜索結果排序算法進行分析，對比BlogRank、B2Rank和EigenRumor等算法，找出可能影響博客排序的因素，并對可能影響最終排序結果的因素通過量化的方式加以評估，最后