第 !" 卷#第 $$ 期 #
!"#$!"# %"$$$ #
计 算 机 工 程
&"'()*+,-./0.++,0./
##
%&$' 年 $$ 月
%"1+'2+,%&$'
!人工智能及识别技术!
文章编号" !"""#$%&'#&"!($!!#"!K & #"- ) ) ) 文献标志码" *) ) ) 中 图 分 类 号 " +,!'
基金项目"国家自然科学基金3青 年 科 学 基 金 !($(&%!*&# $
作者简介"王#莹!$**%%# "男"硕士研究生"主研方向为自然语言处理&信 息 检 索 '罗 准 辰 "工程师&博士'于# 洋 "高 级 工 程 师 &博士$
收稿日期"%&$(3&*3&' # # 修 回 日 期 "%&$( 3$% 3&% # # .#/012"4) .+" .C+/'=0#$7"'
基于排序学习模型的微博多样性检索问题研究
王#莹! 罗准辰! 于#洋
! 中国国防科技信息中心"北京 $&&$!%#
摘#要" 多样性检索主要用于解决传统信息检索中面临的查询词歧义问题$ 为此"研究微博中的多样性检索"提出
一种新的微博多样性检索方法"将多样性排序学习方法应用到微博多样性检 索$ 开 发 一 系 列 社 交 媒 体 特 征 和 子 话
题分布特征"采用查询短语与博文间相关性特征 和 博 文 与 博 文 间 文 本 多 样 性 特 征 模 型作 为 基 准"分 别 加 入 上 述特
征"检验其对微博多样性的影响$ 实验结果表明"多样性排序学习方法能有 效 解 决 微 博 多 样 性 检 索问题"明显 提 高
微博检索的效果$
关键词" 机器学习'信息检索'多样性检索'排序学习'社交媒体
中文引用格式"王#莹"罗准辰"于 # 洋$基 于 排 序 学 习 模 型 的 微 博 多 样 性 检 索 问 题 研 究 ( 8) $计 算 机 工 程"%&$'"
!"!$$# *$)%3$(&$
英文引用格式" PG%; X0./" >B: S@).7@+." XB X=./$Q+4+=,7@ ". T07,"2#"/ H01+,40D07=*0". Q+*,0+1=#<,"2#+'
F=4+6 ". Q=.K >+=,.0./ T"6+#( 8) $&"'()*+,-./0.++,0./"%&$'"!"!$$# *$)%3$( & $
N5>50@DM7;R1D@7C274 G1U5@>1?1D0:17;N5:@15U02,@7C25/
B0>537;N0;PV50@;1;4 R7352
PG%; X0./">B: S@).7@+."XB X=./
! &@0.=H+D+.4+970+.7+=.6 M+7@."#"/C ?.D",'=*0". &+.*+,"F+050./ $&&$!% "&@0.=#
+ *C>:@0D:, H01+,40D07=*0". ,+*,0+1=#04)4+6 *" 4" #1+)4+,40 0.D",'=*0". .++64"L@07@ *C(07=##C 6+47,02+6 2C N)+,C (@,=4+
=,+"D*+. ='20/)")4=.6 @=1+'",+*@=. ".+0.*+,(,+*=*0".$M@04(=(+,,+4+=,7@+4'07,"2#"/ 601+,40D07=*0". ,+*,0+1=#"=.6
(,"("4+4=."1+#'07,"2#"/ 601+,40D07=*0". ,+*,0+1=#'+*@"6
"601+,40D07=*0". #+=,.0./ *" ,=.K '+*@"6 04=(( #0+6 *" '07,"2#"/
601+,40D07=*0". ,+*,0+1=#$?*6+1+#"(4=4+,0+4"D4"70=#'+60=D+=*),+47".406+,0./ *@+7@=,=7*+,04*074"D'07," 2#"/ =.6
4)2*"(074604*,02)*0"."=.6 =664*@+4+D+=*),+4".+2C ".+*" *@+2=4+#0.+ '"6+#L@07@ ".#C 7".406+,0./ *@ +,+#=*0".=#
D+=*),+4=.6 *@+*+J*601+,40*C D+=*),+*" 1+,0DC *@++DD+7*01+.+44"D*@+'$-J(+,0'+.*=#,+4)#*44@"L*@=*601+,40D07=*0". #+=,.0./
*" ,=.K =((,"=7@ 7=. 4"#1+'07,"2 #"/ 601+,40D07=*0". ,+*,0+1=#(,"2#+'"=.6 0'(,"1+*@++DD+7*01+.+44"D'07,"2#"/ ,+*,0+1=#$
+ E5= F7@3>, '=7@0.+#+=,.0./'0.D",'=*0". ,+*,0+1=#'601+,40D07=*0". ,+*,0+1=#',=.K #+=,.0./'4"70=#'+60=
GHI*$&$"*(* O5$044.$$&&&3"!%,$%&$'$$$ $&%)
")概述
微博是近年来发展迅速且影响深远的社交媒体
平台$ 随着微 博 数 据 剧 烈 增 长"从 大 量 微 博 数 据 中
检索用户感 兴 趣 的 博 文 成 为 微 博 检 索 的 重 要 任 务$
但是"用户输 入 的 查 询 短 语 通 常 不 明 确" 一 方 面"查
询短语可能存在歧义'另一方面"查询所对应的内容
可能多元化$ 例如"在 ML0**+,! 微 博的 代 表性 网 站#
中"对于 查 询 短 语 . 6,+='#0.+,2=**+,C/ " 可 以 检 索 到
以下 " 条内容相关的博文*
$# *L++*
$
*F"+0./ ', ' 2=**+,C D0,+L=460DD07)#**"
7".*,"#* G. 0.1+4*0/=*0". "D=2=**+,C D0,+=2"=,6 =
F"+0./ ','$
% # *L++*
%
* F"+0. / ',' H,+='#0.+,2=**+,C L=4
'04L0,+6
"8=(=. 4=C43&M! %+L4$
"# *L++*
"
* Q" 7KD",63G,+=%+L4F"+0./ (,"("4+4
2=**+,C D0J *" RGG D",',' H,+='#0.+,(#=.+4$
其中"*L++*
$
介 绍 梦 幻 客 机 电 池 事 故' *L++*
%
分
析电池 事 故 原 因' *L++*
"
则 提 出 事 故 的 解 决 方 案$
这 " 条 博 文 表 达 了 查 询 短 语 . 6,+='#0.+,2=**+,C/ 的
不同子话题"仅 仅 从 查 询 短 语 无 法 确 定 用 户 对 哪 一
方面感兴趣$
多样性检索 是 一 种 新 兴 的 技 术 趋 势" 其 目 的 是
为了解决传统信息检索中查询词歧义或不确定性问