基于查詢擴(kuò)展的微博檢索研究.pdf

1、微博作為一種互聯(lián)網(wǎng)社交軟件越來(lái)越受到重視，它同時(shí)具有社交網(wǎng)站的屬性和大眾媒體的屬性，是一種新型的傳播媒體和網(wǎng)絡(luò)平臺(tái)。人們可以在微博上實(shí)時(shí)的發(fā)布長(zhǎng)度不超過(guò)140個(gè)字符的短文本，隨著每天產(chǎn)生每天產(chǎn)生數(shù)以億計(jì)的內(nèi)容，微博數(shù)據(jù)量變得非常龐大。如何從這大量紛雜的信息中更加準(zhǔn)確地找到用戶感興趣的內(nèi)容成為了重要任務(wù)。微博的搜索和傳統(tǒng)網(wǎng)頁(yè)的搜索有很大的區(qū)別。微博上輸入的查詢簡(jiǎn)潔，文本短小且具有很強(qiáng)的時(shí)間特性，針對(duì)微博檢索的特點(diǎn)，本文對(duì)英文的Twitte

2、r在對(duì)于如何提高微博檢索的效果上進(jìn)行了研究。
　　首先，介紹了針對(duì)短文本查詢擴(kuò)展的相關(guān)技術(shù)，基于全局的查詢擴(kuò)展和基于局部的查詢擴(kuò)展。然后針對(duì)微博輸入的查詢較短的特性，提出了一種結(jié)合了基于語(yǔ)義相似和基于時(shí)間分布相似的查詢擴(kuò)展。在根據(jù)語(yǔ)義相似度選擇擴(kuò)展詞的部分采用將詞激活力運(yùn)用到偽相關(guān)反饋的方式，并在計(jì)算權(quán)重時(shí)加入了文本的得分，使擴(kuò)展詞與原查詢更相關(guān);在基于詞語(yǔ)時(shí)間分布相似度選擇擴(kuò)展詞部分通過(guò)偽相關(guān)反饋進(jìn)行選擇擴(kuò)展詞，以減少噪聲的干擾

3、，最后將兩部分進(jìn)行結(jié)合，對(duì)擴(kuò)展詞依據(jù)總體相關(guān)波動(dòng)幅度進(jìn)行了重新排序，這種結(jié)合方式能夠在廣度上對(duì)查詢進(jìn)行擴(kuò)展同時(shí)又能減弱各自的噪聲干擾情況。
　　然后，在完成對(duì)查詢?cè)~的擴(kuò)展后要進(jìn)行第二次檢索，將檢索出來(lái)的結(jié)果通過(guò)排序返回給用戶。本文針對(duì)微博文本過(guò)短難以和查詢進(jìn)行匹配的問(wèn)題提出了一種在第二次檢索計(jì)算文檔排序得分時(shí)加入查詢?cè)~信息和文檔信息的方法，以此對(duì)重排序算法進(jìn)行了改進(jìn)，使文檔與用戶的檢索要求更加相關(guān)。
　　最后設(shè)計(jì)了對(duì)比試驗(yàn)，