面向信息檢索的微博帖權(quán)威性計(jì)算方法研究.pdf

1、隨著無(wú)線網(wǎng)技術(shù)不斷發(fā)展以及智能移動(dòng)設(shè)備的進(jìn)一步普及，微博，作為當(dāng)今最受歡迎的溝通方式之一，逐漸成為了人們實(shí)時(shí)分享信息和討論熱點(diǎn)話題的重要平臺(tái)。面對(duì)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(zhì)量的信息的需求也變得越來(lái)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(lǐng)域?qū)W者的廣泛關(guān)注。同時(shí)，微博檢索也存在一些問(wèn)題，例如實(shí)體搜索，情感分析以及權(quán)威和質(zhì)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(duì)特定的話題，不

2、同用戶的權(quán)威性表現(xiàn)出很大的差異，把微博帖的權(quán)威性融入到微博文本的排序過(guò)程可以提高微博信息檢索的效果。本文的主要任務(wù)有:
　　第一，目前中文微博的檢索測(cè)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(cè)試集的構(gòu)建是一件非常艱巨的工作，需要大量的人力標(biāo)注。本文利用微博標(biāo)簽構(gòu)建微博檢索測(cè)試集，在保證質(zhì)量的同時(shí)大大降低了人工標(biāo)注的工作量。測(cè)試集主要由文檔語(yǔ)料庫(kù)，查詢主題集以及相關(guān)性判定的標(biāo)準(zhǔn)集三部分組成。在構(gòu)建測(cè)試集的過(guò)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(biāo)簽，通過(guò)標(biāo)簽對(duì)應(yīng)的相關(guān)文檔和檢索效果確定一個(gè)包含52個(gè)查詢文本的查詢主題集。針對(duì)每一個(gè)查詢主題，檢索與該查詢主題相關(guān)的文檔，并生成了一個(gè)相關(guān)性標(biāo)準(zhǔn)集用于判定檢索的效果。
　　第二，提出了兩種微博帖權(quán)威性的計(jì)算方法。一種是基于絕對(duì)轉(zhuǎn)發(fā)數(shù)的微博帖權(quán)威性計(jì)算方法。通過(guò)挖掘微博文本中的豐富語(yǔ)義信息并結(jié)合用戶的行為，發(fā)現(xiàn)微博帖的質(zhì)量與用戶的行為信息直接相關(guān)，其中,微博中的轉(zhuǎn)發(fā)行為具有傳

4、播功能，表明了用戶對(duì)微博信息質(zhì)量的認(rèn)可度。在計(jì)算微博帖權(quán)威性的過(guò)程中，在基于語(yǔ)言模型信息檢索方法的框架下，使用微博帖的絕對(duì)轉(zhuǎn)發(fā)數(shù)作為文檔的先驗(yàn)概率，計(jì)算微博帖的權(quán)威性分值并實(shí)現(xiàn)文檔初始排序。另外一種是基于PostRank算法的微博帖權(quán)威性計(jì)算方法。根據(jù)初始排序中微博帖之間的轉(zhuǎn)發(fā)關(guān)系，構(gòu)建微博帖轉(zhuǎn)發(fā)關(guān)系圖，并利用鏈接分析算法PageRank計(jì)算微博文檔得分，再結(jié)合初始排序中文檔得分，重新計(jì)算微博帖權(quán)威性分值，實(shí)現(xiàn)文檔重排，在中文微博檢索測(cè)