[发明专利]一种基于能量函数的网页时间敏感性度量方法

摘要

本发明公开了一种基于能量函数的网页时间敏感性度量方法，属于数据质量的研究范畴，涉及时态Web、网络信息质量评估、使用模式等技术领域。目前，Web垃圾信息泛滥，数据质量低下已经成为普遍现象。导致这一现象的一个重要原因是信息是时间敏感的，即信息是随着时间的推移而变化的。然而不同信息的时间敏感程度是不一样的，为统一度量信息的时间敏感度，本发明根据Web用户对信息的需求、信息量的增加和页面的链接关系三个方面对网页的能量进行度量，用能量的变化刻画网页的时间敏感度。本方法可应用于网页质量评价和排序，也可应用于信息检索中，以提高检索结果的质量。

主权项

一种基于能量函数的网页时间敏感性度量方法，其特征在于，包括以下步骤：步骤1：选取目标网页集合D，利用已有爬虫爬取目标网页集合，针对网页集合D中的任意一个网页d，通过信息抽取算法从无结构的网页文本中抽取结构化的网页信息，作为网页时间敏感性特征；所述的网页时间敏感性特征包括网页的标题、网页的发布时间、网页的正文内容、网页的正文标签、网页的链出链接、用户访问与评论的时间序列；步骤2：基于步骤1中所述的网页时间敏感性特征，构建网页能量函数模型，计算每个特征对网页的能量贡献；其具体实现包括以下子步骤：步骤2.1：根据网页的正文内容计算网页的时间词信息量IVtw(d)，基于网页的时间词信息量IVtw(d)与网页的发布时间，计算网页发布时刻即t0时刻网页信息本身产生的初始能量，并定义网页信息的衰减函数，计算在tk时刻网页信息本身的能量步骤2.2：根据网页的标题，网页的正文内容和网页的正文标签，计算网页的主题信息覆盖度IVtopic，基于主题信息覆盖度IVtopic，计算网页在tk时刻主题信息覆盖的能量贡献步骤2.3：依据网页的链出链接，构建网页的链接网络，并计算其链接网络在tk时刻对该网页的能量贡献elink(tk,d)；步骤2.4：基于用户的访问序列和评论序列，定义用户访问与用户评论网页信息的衰减函数，计算网页在tk时刻，用户访问与用户评论对网页的能量贡献ejoin(tk,d)；步骤3：基于步骤2中所述的tk时刻网页信息本身的能量网页在tk时刻主题信息覆盖的能量贡献链接网络在tk时刻对该网页的能量贡献elink(tk,d)和网页在tk时刻用户访问与用户评论对网页的能量贡献ejoin(tk,d)，计算网页在tk时刻的总能量Eng(tk,d)；步骤4：计算网页在tk时刻的时间敏感度。