基于主題劃分的微博檢索研究.pdf

1、目前流行的在線社交網(wǎng)絡(luò)服務(wù)特別是微博客正在改變信息的傳播和共享模式。微博服務(wù)允許用戶(hù)輕松的發(fā)布和接收消息。推特（Twitter）每天有超過(guò)1億用戶(hù)發(fā)布2.3億條微博。與其將查詢(xún)提交給傳統(tǒng)的搜索引擎，Twitter用戶(hù)更愿意登錄微博來(lái)檢索新聞、URL、和好友發(fā)布的評(píng)論。而微博搜索也已經(jīng)成為用戶(hù)獲取熱點(diǎn)事件信息的重要渠道。針對(duì)用戶(hù)在微博上搜索時(shí)主要關(guān)注的是熱點(diǎn)事件和熱點(diǎn)主題，提出了一個(gè)新的微博搜索解決方案，該方案能較好的完成主題搜索的任務(wù)。

2、首先將微博按其所屬主題進(jìn)行分類(lèi)，然后在分類(lèi)后的結(jié)果上進(jìn)行主題-微博兩級(jí)的索引構(gòu)建。
　　基于微博中的標(biāo)簽（Tag）提出了一個(gè)新的微博分類(lèi)方法。首先統(tǒng)計(jì)微博中Tag的共現(xiàn)關(guān)系，在此基礎(chǔ)上利用互信息算出Tag的相似度矩陣。使用聚類(lèi)算法對(duì)Tag進(jìn)行聚類(lèi)分析得到若干Tag類(lèi)別。然后將數(shù)據(jù)集中帶有Tag的微博分配到相應(yīng)的類(lèi)中得到微博的類(lèi)別。使用上述基于Tag構(gòu)造的微博類(lèi)別作為訓(xùn)練數(shù)據(jù)，構(gòu)造一個(gè)微博的分類(lèi)器，對(duì)其余不帶Tag的微博進(jìn)行分類(lèi)處理

3、，得到最終的微博主題劃分（每個(gè)類(lèi)別代表一個(gè)主題）。
　　基于上述的微博主題劃分結(jié)果構(gòu)建主題-微博兩級(jí)索引結(jié)構(gòu)。首先對(duì)每一個(gè)主題的質(zhì)心向量構(gòu)建索引形成主題級(jí)別索引，然后對(duì)每個(gè)主題下的微博進(jìn)行索引構(gòu)建。進(jìn)行結(jié)構(gòu)檢索時(shí)，先根據(jù)用戶(hù)查詢(xún)?cè)谥黝}索引中檢索相關(guān)主題，并對(duì)主題進(jìn)行相關(guān)性評(píng)分，然后在每個(gè)相關(guān)主題下檢索相關(guān)微博，一條微博的最終得分等于該微博所屬主題得分乘以該微博在主題內(nèi)的得分。根據(jù)該得分進(jìn)行排序，并將最終排序結(jié)果返回用戶(hù)。通過(guò)在Tw