微博的短文本檢索查詢擴(kuò)展與排序方法研究.pdf

1、隨著互聯(lián)網(wǎng)的進(jìn)一步的發(fā)展和普及，微博作為一種強(qiáng)大有力的網(wǎng)絡(luò)平臺(tái)和社交傳播媒體日益流行起來(lái)。目前風(fēng)靡全世界的Twitter和國(guó)內(nèi)的一些熱門(mén)微博如新浪微博、騰訊微博等有著龐大的用戶群體，同時(shí)每天產(chǎn)生數(shù)以億計(jì)的內(nèi)容。由于微博消息不超過(guò)140字符的長(zhǎng)度限制，以及書(shū)寫(xiě)隨意和夾雜很多網(wǎng)絡(luò)用語(yǔ)和表情符號(hào)。隨著微博數(shù)據(jù)的劇烈增長(zhǎng)，如何從雜亂無(wú)章的微博短文本信息中檢索到用戶需要的有價(jià)值的實(shí)時(shí)信息變得尤為重要。傳統(tǒng)的信息檢索技術(shù)在解決這些問(wèn)題的方面還存在許

2、多的不足。為了解決上述問(wèn)題，本文在前人研究的基礎(chǔ)之上，以微博為研究對(duì)象，對(duì)微博短文本檢索的相關(guān)技術(shù)進(jìn)行了深入的研究。
　　本文從相關(guān)性和實(shí)時(shí)性出發(fā)，盡可能使檢索結(jié)果與用戶查詢相關(guān)度高且相對(duì)較新。首先介紹了針對(duì)短文本檢索的查詢擴(kuò)展技術(shù)，包括全局查詢擴(kuò)展方式和基于查詢的查詢擴(kuò)展方式。詳細(xì)介紹了基于詞激活力的全局查詢擴(kuò)展方式，結(jié)合上下文和語(yǔ)義，模擬人腦，增加查詢擴(kuò)展詞的選取的廣度。介紹了偽相關(guān)反饋中改進(jìn)的相關(guān)模型的查詢擴(kuò)展技術(shù)，相關(guān)模型

3、共需兩次檢索，在首次檢索的結(jié)果中取前TOP K個(gè)文檔（默認(rèn)是相關(guān)的文檔）中，計(jì)算與原始查詢?cè)~相關(guān)性，找出最相關(guān)的查詢擴(kuò)展詞，提高查詢擴(kuò)展詞選取的深度。本文介紹了在語(yǔ)言模型下采用詞激活力全局方式結(jié)合局部的改進(jìn)相關(guān)模型的查詢擴(kuò)展方式(WAF-IRM)提取查詢擴(kuò)展詞語(yǔ)，在整體和局部、廣度和深度倆方面提高查詢擴(kuò)展特征詞的選取精度。
　　在提取查詢擴(kuò)展詞語(yǔ)后，需進(jìn)行第二次檢索，檢索結(jié)果作為最終結(jié)果展示給用戶。在進(jìn)行第二次檢索時(shí)，本文采用將原