基于内容的博客分类基线方法
信息检索
2009-09-25 v2
摘要
提出了一种基于内容的网络日志（博客）表示方法，该方法使用基本的词重叠相似度度量。由于博客数据中存在强信号，该方法足以对博客进行准确分类。使用瑞典博客数据，我们证明了讨论相似主题的博客被组织成簇，而这些簇又按层次组织成更高阶的簇。该表示的简单性使其既计算可行又透明。因此，我们认为该方法适合作为开发和分析更高级的基于内容的博客圈表示时的基线。
引用
@article{arxiv.0909.4416,
title = {A baseline for content-based blog classification},
author = {Olof Gornerup and Magnus Boman},
journal= {arXiv preprint arXiv:0909.4416},
year = {2009}
}
备注
6 pages, 4 figures New version has higher resolution for figures 2 and 3