[發(fā)明專利]針對社交媒體的觀點檢索系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201711343978.8
• 申請日: 2017-12-15
• 公開（公告）號: CN108038204A
• 公開（公告）日: 2018-05-15
• 發(fā)明（設(shè)計）人: 廖祥文;陳國龍;馬飛翔;楊定達
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27;G06Q50/00
• 代理公司: 福州元創(chuàng)專利商標代理有限公司 35100
• 代理人: 蔡學(xué)俊;丘鴻超

本發(fā)明涉及一種針對社交媒體的觀點檢索系統(tǒng)及方法。包括：一文本實體鏈接模塊，用于將用戶查詢和待查詢文檔進行分詞處理，同時鏈接到指定的知識圖譜，充分利用知識圖譜中的實體間關(guān)系，增加系統(tǒng)對用戶查詢和文檔的理解程度；一查詢擴展模塊，用于根據(jù)用戶的查詢，結(jié)合知識圖譜實體描述文本，通過分類得到查詢擴展詞；一觀點檢索得分計算模塊，用于結(jié)合原始查詢和查詢擴展詞，分別計算用戶查詢與某一文檔間的主題相關(guān)度得分部分，觀點相關(guān)度得分部分，以及文檔類別得分部分，并根據(jù)三個部分得到一個文檔的綜合得分；一文檔排序輸出模塊，根據(jù)文檔綜合得分從高到低排序，得到查詢的觀點檢索結(jié)果并輸出。本發(fā)明能夠高效準確地理解用戶查詢的信息需求，檢索出與用戶查詢相關(guān)并帶有對查詢觀點的文檔。

技術(shù)領(lǐng)域

本發(fā)明涉及觀點檢索領(lǐng)域，更具體地，涉及一種針對社交媒體的觀點檢索系統(tǒng)及方法，能夠結(jié)合知識圖譜，高效地從社交媒體等文檔集中檢索出與給定查詢相關(guān)，同時帶有對查詢的觀點的相關(guān)文檔列表。

背景技術(shù)

當前，有很多技術(shù)方法可用于觀點檢索。傳統(tǒng)的觀點檢索方法將觀點檢索分為兩個階段，首先利用傳統(tǒng)的信息檢索模型或者語言模型得到主題相關(guān)的文檔集合，接著利用觀點分類器從主題相關(guān)文檔中得到帶有觀點的文檔，該類方法工作重點在于第二個階段，但用于觀點檢索中缺少理論依據(jù)，效果也不夠理想。

當前，存在著一些線性組合觀點檢索方法。利用傳統(tǒng)的信息檢索模型或者語言模型得到主題相關(guān)度得分，通過觀點分析模型計算得到觀點相關(guān)度得分，使用線性組合公式將兩種相關(guān)度得分結(jié)合為一個得分，并根據(jù)得分高低進行排序。但該類方法結(jié)合方式過于簡單，若主題相關(guān)度得分或者觀點相關(guān)度得分中某一項得分比另一項大的多時，不能很好的反映真實的情況，結(jié)果也不夠準確。

當前，還存在著一些統(tǒng)一觀點檢索模型。將主題相關(guān)度和觀點得分結(jié)合到統(tǒng)一的檢索模型中，從傳統(tǒng)的基于統(tǒng)計的檢索模型出發(fā)，推導(dǎo)出統(tǒng)一的檢索模型，模型包含了主題相關(guān)部分和觀點相關(guān)部分。該類模型擁有較好的理論支持，是目前效果較好的一類方法。

然而，在社交媒體中，用戶的查詢輸入通常較短，往往只是一個簡單的詞語，很難準確表達用戶查詢的信息需求，而目前的觀點檢索系統(tǒng)和方法往往對該問題沒有足夠的重視。隨著近年來互聯(lián)網(wǎng)的高速發(fā)展，微博、論壇等社交媒體消息的不斷產(chǎn)生，這就對觀點檢索技術(shù)提出了一個挑戰(zhàn)：如何構(gòu)建一個能充分理解用戶查詢信息需求的觀點檢索原型系統(tǒng)來檢索出符合用戶查詢需求的觀點文檔。因此，人們迫切希望有一種高效準確的觀點檢索方法，該方法能夠理解用戶查詢信息需求，檢索出社交媒體中與用戶查詢相關(guān)的觀點文檔。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種針對社交媒體的觀點檢索系統(tǒng)及方法，能夠高效準確地理解用戶查詢的信息需求，檢索出與用戶查詢相關(guān)并帶有對查詢觀點的文檔。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種針對社交媒體的觀點檢索系統(tǒng)，包括：

一文本實體鏈接模塊，用于將用戶查詢和待查詢文檔進行分詞處理，同時鏈接到指定的知識圖譜，利用知識圖譜中的實體間關(guān)系，增加系統(tǒng)對用戶查詢和文檔的理解程度；

一查詢擴展模塊，用于根據(jù)用戶的查詢，結(jié)合知識圖譜實體描述文本，通過分類得到查詢擴展詞；

一觀點檢索得分計算模塊，用于結(jié)合用戶查詢和查詢擴展詞，分別計算用戶查詢與文檔間的主題相關(guān)度得分、觀點相關(guān)度得分以及文檔類別得分，并根據(jù)三個部分得分得到該文檔的綜合得分；

一文檔排序輸出模塊，根據(jù)文檔綜合得分從高到低排序，得到查詢的觀點檢索結(jié)果并輸出。

優(yōu)選的，所述系統(tǒng)還包括：

一數(shù)據(jù)預(yù)處理模塊，用于去除文本中的鏈接、特殊字符及標點符號，對英文數(shù)據(jù)進行詞干還原處理，過濾文本中的停用詞。

優(yōu)選的，所述查詢擴展模塊的分類器包括擴展詞分布、共現(xiàn)頻率、鄰近關(guān)系、文檔集頻率四類特征，以及一個標注候選擴展詞類別的公式。