基于查詢擴展的微博檢索研究.pdf

1、微博作為一種互聯網社交軟件越來越受到重視，它同時具有社交網站的屬性和大眾媒體的屬性，是一種新型的傳播媒體和網絡平臺。人們可以在微博上實時的發(fā)布長度不超過140個字符的短文本，隨著每天產生每天產生數以億計的內容，微博數據量變得非常龐大。如何從這大量紛雜的信息中更加準確地找到用戶感興趣的內容成為了重要任務。微博的搜索和傳統(tǒng)網頁的搜索有很大的區(qū)別。微博上輸入的查詢簡潔，文本短小且具有很強的時間特性，針對微博檢索的特點，本文對英文的Twitte

2、r在對于如何提高微博檢索的效果上進行了研究。
　　首先，介紹了針對短文本查詢擴展的相關技術，基于全局的查詢擴展和基于局部的查詢擴展。然后針對微博輸入的查詢較短的特性，提出了一種結合了基于語義相似和基于時間分布相似的查詢擴展。在根據語義相似度選擇擴展詞的部分采用將詞激活力運用到偽相關反饋的方式，并在計算權重時加入了文本的得分，使擴展詞與原查詢更相關;在基于詞語時間分布相似度選擇擴展詞部分通過偽相關反饋進行選擇擴展詞，以減少噪聲的干擾

3、，最后將兩部分進行結合，對擴展詞依據總體相關波動幅度進行了重新排序，這種結合方式能夠在廣度上對查詢進行擴展同時又能減弱各自的噪聲干擾情況。
　　然后，在完成對查詢詞的擴展后要進行第二次檢索，將檢索出來的結果通過排序返回給用戶。本文針對微博文本過短難以和查詢進行匹配的問題提出了一種在第二次檢索計算文檔排序得分時加入查詢詞信息和文檔信息的方法，以此對重排序算法進行了改進，使文檔與用戶的檢索要求更加相關。
　　最后設計了對比試驗，