互联网上信息报道的最早发布时间检测

• 作者: 张燕 李晓明 黄连恩
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 文章发布时间检测 网络信息挖掘 网页内容分析 文本消重
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 综述·探索
• 页码范围: 51-59
• 页数: 9页
• 分类号: TP393.09
• 字数: 10026字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2009.01.005

摘要

准确提取网上信息报道的最早发布时间,对于使用计算机辅助的社会科学研究来说具有重要价值.数据表明,有40%的信息报道无法从网页中直接提取出文章发布时间,此时,如果单纯依靠搜集时间和HTTP协议提供的网页文件最后修改时间信息来估计文章发布时间,就会造成较大误差.提出了两种能够提高计算精度的方法:链接分析法和拷贝分析法.大数据量实验表明,这两种方法具有很小的出错概率,是切实可用的.其中,链接分析法能够在一定程度上减少计算误差.而拷贝分析法则具有决定性的作用.当一篇信息报道能在网上找到多个拷贝(转载)时,就会有很大的概率准确推断出该报道在网上的最早发布时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕	北京大学信息科学技术学院	107	1361	18.0	34.0
2	李晓明	北京大学信息科学技术学院	127	2603	27.0	49.0
3	黄连恩	北京大学信息科学技术学院	2	9	2.0	2.0