多粒度关系融合的微博信念网络检索模型

微博检索系统是微博平台实现个性化信息过滤的重要工具，建立合理的微博检索模型不仅有利于满足用户的个性化信息需求，而且有利于提升微博平台的信息服务水平。与传统文本检索相比，微博检索面临两方面挑战，一是较短的微博查询语句难以准确表达用户的检索需求，二是较短的微博文档难以充分表现微博的语义特征。这使查询语句与文档之间难以准确进行匹配计算，致使微博检索性能受限。结合微博术语和文档的特点，将术语关系和文档关系融入信念网络检索模型，提出多粒度关系融合的微博信念网络检索模型。首先，基于混合语义信息和时间信息对微博术语关系进行量化，以更准确地建立微博术语之间的相关性；其次，基于混合语义信息和作者信息对微博文档关系进行量化，以更准确地建立微博文档之间的相关性；最后，结合量化的术语关系和文档关系，在基本信念网络检索模型的基础上，给出微博信念网络检索模型的概率推导过程。采用网络爬虫工具，从新浪微博平台获取真实的微博数据，对微博信念网络检索模型的有效性和合理性进行验证。研究结果表明，微博术语之间存在语义相关性和时间相关性；微博文档之间不仅存在语义相关性，还存在作者信息相关性；与主流的微博检索模型相比，微博信念网...