面向博客的檢索排序算法研究.pdf

1、隨著博客影響力的不斷增加，博客被更多領域的人作為交互和表達思想的工具，并以站點的形式在萬維網(wǎng)上形成了博客空間。面對博客空間的急劇膨脹，博客搜索也變得必要迫切。盡管現(xiàn)有的針對普通網(wǎng)頁的傳統(tǒng)搜索已比較成熟，但對博客檢索的效率并不高，因為博客站點在內(nèi)容本身和之間的關系上不同于傳統(tǒng)網(wǎng)站。如何在眾多的博客中找到對用戶來說重要的博客網(wǎng)頁（或博文）或博客站點，最重要就是:如何定義博文或博客站點的“重要性”，并根據(jù)這種重要性對博客進行排序。博客是由一系

2、列的博文組成的，用戶搜索的一般目的就是尋找感興趣的博文。因此可以把博文“重要性”作為博客排序的依據(jù)。影響博文重要性的因素有內(nèi)容相關，鏈接關系或發(fā)表時間。本文從前兩個因素出發(fā)分析博文與查詢的相關度。
　　本文提出了依據(jù)證據(jù)排序的SGRM(Space Graph Ranking Model)算法。首先提出了證據(jù)BE(Blog Evidence)的定義，并給出了根據(jù)博文證據(jù)進行博客排序的框架。博文通過三元組融合了“博文-博客”關系信息和

3、“博文-詞條”內(nèi)容信息，并分別用矩陣表示。“博文-博客”關系矩陣信息的表示是通過實現(xiàn)從博文與博文關系再到博客關系的轉(zhuǎn)移，“博文-詞條”內(nèi)容矩陣通過經(jīng)典的VSM(Vector SpaceModel)表示的。接著，對得到的“博文-博客”矩陣和“博文-詞條”內(nèi)容矩陣，先使用主成分分析PCA(Principle Component Analysis)法對這兩個矩陣進行降維，之后使用了共軛梯度法對降維得到的兩個低維矩陣進行聯(lián)合，優(yōu)化得到一個表示博

4、文隱含語義空間LSS(Latent Semantic Space)矩陣;最后對LSS矩陣，用KNN(KNear Neighbour)法構建了一個隱義圖LSG(Latent Sematic Graph)。最后，結合重排序思想和拉普拉斯特征映射LE（Laplacian Eigenmaps）的方法，構建了一個正規(guī)化排序框架，該框架包含初次查詢的相關博文的相關度及其LSG子圖。經(jīng)過實驗分析，得到最優(yōu)排序性能下排序框架參數(shù)的設置;并在該參數(shù)下與其