微博主題領(lǐng)域?qū)＜姨卣鞣治黾皺z索排序算法.pdf

1、隨著微博逐漸進(jìn)入人們的日常生活，越來越多的人喜歡在微博上分享信息、了解熱門話題、在微博平臺上找到自己感興趣的用戶并進(jìn)行互動，因此對微博用戶進(jìn)行分析也越來越受到研究者的關(guān)注。目前的微博檢索引擎為廣大微博用戶實(shí)現(xiàn)了按照主題領(lǐng)域（關(guān)鍵詞）查找名人的功能，但是這個功能往往只是將具有微博平臺服務(wù)認(rèn)證的用戶排在前面，然而很多具有微博平臺服務(wù)認(rèn)證的用戶并沒有在微博上發(fā)表所屬主題領(lǐng)域相關(guān)的微博。本文提出對主題領(lǐng)域用戶的特征進(jìn)行分析，采用排序算法計(jì)算主題

2、領(lǐng)域用戶的影響力，從而提高檢索質(zhì)量。本文的研究能夠有效地選取出優(yōu)化的特征組合去識別主題領(lǐng)域?qū)＜摇ＴO(shè)計(jì)排序方法的實(shí)驗(yàn)數(shù)據(jù)來自中國新浪微博IT主題領(lǐng)域1200名微博用戶，這些主題領(lǐng)域用戶的數(shù)據(jù)包括非文本特征以及280733條微博內(nèi)容。首先，本文對提取的微博數(shù)據(jù)進(jìn)行了預(yù)處理，介紹了基于非文本特征去衡量主題領(lǐng)域用戶的影響力，提出三種方法對非文本特征進(jìn)行分析，進(jìn)而判別主題領(lǐng)域?qū)＜摇?shí)驗(yàn)結(jié)果表明，基于非文本特征分析主題領(lǐng)域?qū)＜沂强尚械?，?zhǔn)確率比傳統(tǒng)

3、的判別方法高。接下來本文對主題領(lǐng)域用戶的微博文本特征進(jìn)行分析，介紹了兩種計(jì)算微博內(nèi)容相似度的方法 — Jaccard相似度方法和Cosine相似度方法。通過兩種相似度計(jì)算方法對主題領(lǐng)域用戶的微博內(nèi)容進(jìn)行了相似度計(jì)算。將兩種相似度計(jì)算方法得到的準(zhǔn)確率與基于非文本特征的排序方法得到的準(zhǔn)確率進(jìn)行了比較，對比結(jié)果表明基于文本特征的方法比基于非文本特征的方法的準(zhǔn)確率高。最后本文提出將非文本特征和文本特征進(jìn)行融合，設(shè)計(jì)了三種排序算法 —融合排序方法