面向信息檢索的微博帖權威性計算方法研究.pdf

1、隨著無線網(wǎng)技術不斷發(fā)展以及智能移動設備的進一步普及，微博，作為當今最受歡迎的溝通方式之一，逐漸成為了人們實時分享信息和討論熱點話題的重要平臺。面對微博中如此海量的信息數(shù)據(jù)，用戶想要從中獲取真正有質量的信息的需求也變得越來越迫切。微博檢索，是一種有效獲取信息的方式，引起了信息檢索領域學者的廣泛關注。同時，微博檢索也存在一些問題，例如實體搜索，情感分析以及權威和質量方面的抽象建模。微博文本由互聯(lián)網(wǎng)上大量不同的用戶創(chuàng)作而成，針對特定的話題，不

2、同用戶的權威性表現(xiàn)出很大的差異，把微博帖的權威性融入到微博文本的排序過程可以提高微博信息檢索的效果。本文的主要任務有:
　　第一，目前中文微博的檢索測試集欠缺，限制了中文微博信息檢索研究的發(fā)展。信息檢索測試集的構建是一件非常艱巨的工作，需要大量的人力標注。本文利用微博標簽構建微博檢索測試集，在保證質量的同時大大降低了人工標注的工作量。測試集主要由文檔語料庫，查詢主題集以及相關性判定的標準集三部分組成。在構建測試集的過程中，使用的騰

3、訊微博下載的微博數(shù)據(jù)集作為文檔集，并抽取微博數(shù)據(jù)集中的標簽，通過標簽對應的相關文檔和檢索效果確定一個包含52個查詢文本的查詢主題集。針對每一個查詢主題，檢索與該查詢主題相關的文檔，并生成了一個相關性標準集用于判定檢索的效果。
　　第二，提出了兩種微博帖權威性的計算方法。一種是基于絕對轉發(fā)數(shù)的微博帖權威性計算方法。通過挖掘微博文本中的豐富語義信息并結合用戶的行為，發(fā)現(xiàn)微博帖的質量與用戶的行為信息直接相關，其中,微博中的轉發(fā)行為具有傳

4、播功能，表明了用戶對微博信息質量的認可度。在計算微博帖權威性的過程中，在基于語言模型信息檢索方法的框架下，使用微博帖的絕對轉發(fā)數(shù)作為文檔的先驗概率，計算微博帖的權威性分值并實現(xiàn)文檔初始排序。另外一種是基于PostRank算法的微博帖權威性計算方法。根據(jù)初始排序中微博帖之間的轉發(fā)關系，構建微博帖轉發(fā)關系圖，并利用鏈接分析算法PageRank計算微博文檔得分，再結合初始排序中文檔得分，重新計算微博帖權威性分值，實現(xiàn)文檔重排，在中文微博檢索測