CN103226555A

CN103226555A - 一种改进的基于概念格的论坛人物跟踪方法

Info

Publication number: CN103226555A
Application number: CN2012105598510A
Authority: CN
Inventors: 张玲; 朱洪亮; 李伟; 谢康; 李星; 韩耀明
Original assignee: Beijing University of Posts and Telecommunications
Current assignee: Beijing University of Posts and Telecommunications
Priority date: 2012-12-21
Filing date: 2012-12-21
Publication date: 2013-07-31

Abstract

本发明公开了一种改进的基于概念格论坛人物跟踪的方法，该方法包括：在已有数据前提下，使用粗糙集算法进行约简，然后通过概念格的批生成算法，在既定关键字的前提下生成概念格，得出形式概念，并根据形式概念区分论坛人物类别或者具体人物，以达到人物跟踪效果，并且提高跟踪的速度。

Description

一种改进的基于概念格的论坛人物跟踪方法

技术领域

本发明涉及搜索引擎技术，特别涉及一种人物跟踪的方法。

背景技术

随着云计算和物联网时代的到来，网络交流飞快成长，网络社区文化形成，网络交流已经成为新一代网民必不可少的交流方式。各种网上交流社区层出不穷，如百度贴吧，天涯社区，各大高校论坛等，使网民的网络交流更加通畅，但是这给舆情信息管控造成很大难度。

目前现有技术只有搜索引擎对于敏感信息的过滤，并没有深入到人物跟踪的程度。

发明内容

本发明实施例提供的一种改进的论坛人物跟踪方法，用以解决论坛人物跟踪的问题，并且提高搜索的效率。

对原始数据建立知识库，通过粗糙集约简算法简化庞大的数据集合。

通过概念格的批生成算法，在既定关键字的前提下通过批处理生成算法生成概念格，得出形式概念，并根据形式概念区分论坛人物，以达到人物跟踪效果。使用概念格形式化模型，具有完整的表达数据库中知识的特点，而且知识表达形式清晰，易于求解。

本发明实施例在得出形式概念之后，可得出人物归类，再扩加IP地址以及其他分析，跟踪论坛用户，对敏感用户实施特殊关注，达到管控效果。

附图说明

图1是本发明实施例提供的流程示意图；

图2是本发明实施例提供的粗糙集算法约简流程图；

图3是本发明实施例提供的批处理算法流程图。

具体实施方式

针对现有论坛舆情存在的用户监控，舆情管控困难的问题，本发明实施例在已有数据前提下，通过概念格的批生成算法，在既定关键字的前提下生成概念格，得出形式概念，并根据形式概念区分论坛人物类别或者具体人物，以达到人物跟踪效果。

如图1所示，本发明实施例提供的基于概念格的论坛人物跟踪包括：网页信息采集服务器分布式爬取网络信息，经过分词等预处理将信息存入数据库等待处理。人工设定关键字集合，并对数据库中知识进行批量处理，得到概念格，重复以上步骤，实时更新概念格。在最终得到的形式概念中区分出敏感用户，进行重点关注，得到跟踪效果。

产生的等价关系U/R_i，i＝1，2，…n，如果删除该属性x_i，使得POS(p\x_i)(Q)＝POS(p)(Q)，则说明属性x_i，是不必要的，从决策表中删除属性x_i所在列并将重复的行进行合并；否则，说明属性x_i是必要的，不能删除。

如图2所示，本发明实施例提供的粗糙集约简算法包括下列步骤：

步骤201、初始化知识库K＝(U，S)；

步骤202、生成等价关系类U/R_i，i＝1，2，…n；

步骤203、对于每个属性x_i，删除该属性x_i；

步骤204、使得POS(p\x_i)(Q)＝POS(p)(Q)，则说明属性x_i，是不必要的，否则，说明属性x_i是必要的，不能删除；

步骤205、重复(2)-(3)，直到i＝n；

如图3所示，本发明实施例提供的改进的概念格批处理算法包括下列步骤：

步骤301、初始化格L＝{(G)，f(G)}；

步骤302、对于队列F中的一个概念C，产生出它的每个子概念Cc；

步骤303、如果某个子概念Cc以前没有产生过，则加入到L中；

步骤304、增加概念C和其子概念Cc的链接关系；

步骤305、反复(3)-(5)，直至队列F为空；

步骤306、输出概念格L，得到形式概念。

其中G是对象集合，即论坛人物集合，M是属性集合，即自定义的关键字敏感词集合。

是G与M之间的一个二元关系。若则对象g具有属性m。

从上述实施例中可以看出：本发明实施例通过粗糙集约简算法，对批量的数据集合进行约简计算，然后通过概念格的批生成算法，在既定关键字的前提下通过批处理生成算法生成概念格，得出形式概念，并根据形式概念区分论坛人物，以达到人物快速跟踪的效果。使用改进的概念格形式化模型，具有精简数据库的优点，提高了搜索的速度，具有完整的表达数据库中知识的特点，而且知识表达形式清晰，易于求解。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种改进的基于概念格论坛人物跟踪方法，其特征在于，该方法包括：

在采集到原始的大量数据前提下，首先对原始数据建立知识库，采用粗糙集算法对信息表进行约简，然后对通过概念格的批生成算法，在既定关键字的前提下生成概念格，得出形式概念，并根据形式概念区分论坛人物类别或者具体人物，以达到人物跟踪效果。

2.如权利要求1所述的方法，其特征在于，所述的知识库约简算法具体包括：

对于采集到的数据建立知识库K＝(U，S)，U＝{x₀，x₁，x₂，…，x_n}为论域，S＝{R₁，R ₂，…，R_n}为论域U上的等价关系族。并根据等价关系生成等价关系类U/R_i，i＝1，2，…n。

3.如权利2所述的方法，其特征在于，产生的等价关系U/R_i，i＝1，2，…n，如果删除该属性x_i，使得POS(p\x_i)(Q)＝POS(p)(Q)，则说明属性x_i，是不必要的，从决策表中删除属性x_i所在列并将重复的行进行合并；否则，说明属性x_i是必要的，不能删除。

4.如权利要求3所述的方法，其特征在于，所述概念格的批生产算法的方法具体包括：

对于约简后的知识库形成背景K＝(G，M，I)，初始化格L＝{(G)，f(G)}。

5.如权利要求4所述的方法，其特征在于，产生子概念的方法具体包括：

队列F＝{(G，f(G))}，对于队列F中的一个概念C，产生出它的每个子概念Cc，如果某个子概念Cc以前没有产生过，则加入到L中。

6.如权利要求5所述的方法，其特征在于，增加链接关系的方法具体包括：

增加概念C和其子概念Cc的链接关系。

7.如权利要求5和6所述的方法，其特征在于，根据权利要求3和4，直到队列P为空。

8.如权利要求4所述的方法，最后输出概念格L，得到形式概念。