微博搜索的關(guān)鍵技術(shù)研究.pdf

1、微博迅速成為一種重要的實(shí)時(shí)信息源，其搜索存在兩個(gè)重要問題:查詢?cè)~與微博消息的相關(guān)性計(jì)算、搜索結(jié)果整理。相關(guān)性計(jì)算從內(nèi)容、語義上衡量消息與查詢?cè)~之間的相似程度;搜索結(jié)果整理以簡明有序的方式組織消息，克服冗余性和不規(guī)范書寫，主要整理方式包括分類、摘要等。本文以推特為例，探索了微博搜索研究任務(wù)中幾個(gè)重要問題:相關(guān)性計(jì)算、查詢結(jié)果分類、摘要和對(duì)比話題摘要。
　　針對(duì)相關(guān)性計(jì)算問題，提出兩種消息排序模型，分別基于學(xué)習(xí)排序和遞歸神經(jīng)網(wǎng)絡(luò)語言模

2、型。與目前微博搜索服務(wù)中的相關(guān)性排序算法比較，前者顯著提高了消息序列的相關(guān)性，后者縮短消息在計(jì)算語義相關(guān)度時(shí)的鴻溝，提高查詢結(jié)果的覆蓋率?；趯W(xué)習(xí)排序的模型系統(tǒng)研究了文本相關(guān)性特征、微博書寫特征和微博的作者權(quán)威度特征在微博相關(guān)性計(jì)算中的作用?；谶f歸神經(jīng)網(wǎng)絡(luò)語言模型的排序模型將語義相似度引入消息的相關(guān)性計(jì)算中，在詞向量粒度上計(jì)算消息之間的詞法語義相似度。
　　針對(duì)搜索結(jié)果分類問題，提出基于消息關(guān)聯(lián)關(guān)系的協(xié)同分類模型，為微博定義了一

3、個(gè)話題分類體系。與基于特征的基準(zhǔn)模型相比，該模型的準(zhǔn)確率和F值分別提高了5.38％和4.74％。該模型將消息之間的兩種共享話題關(guān)系應(yīng)用到三種基于圖的協(xié)同分類模型中，考慮本地特征和來自關(guān)聯(lián)消息的類別分布，同時(shí)為一批微博消息分類，降低數(shù)據(jù)稀疏的影響，極大地提高了分類器的精確率和召回率，其中采用共享話題標(biāo)簽(＃hashtag)關(guān)系的迭代分類算法結(jié)果最優(yōu)。
　　針對(duì)搜索結(jié)果摘要問題，提出基于時(shí)間軸的關(guān)聯(lián)交互自增強(qiáng)式摘要模型。與基于圖的基準(zhǔn)

4、模型比較，該模型的ROUGE-1平均提高了14％。給定查詢?cè)~的搜索結(jié)果，該模型按照時(shí)間順序?qū)⑵鋭澐殖扇舾勺釉掝}，同時(shí)考慮文本內(nèi)容、作者社會(huì)影響力和文本質(zhì)量計(jì)算消息的重要度，根據(jù)重要度和多樣性對(duì)微博消息進(jìn)行排序和抽取以生成摘要。實(shí)驗(yàn)表明，作者的社會(huì)影響力和文本質(zhì)量有效地改進(jìn)了文本重要度的度量。
　　針對(duì)對(duì)比話題摘要問題，提出基于消息關(guān)聯(lián)關(guān)系的最優(yōu)化對(duì)比話題摘要模型。與基于內(nèi)容相似度計(jì)算的基準(zhǔn)模型比較，該模型的對(duì)比屬性覆蓋率和比較消息