基于潜在语义与图结构的微博语义检索

被引：11

作者：

肖宝 ^{[1
]}

李璞 ^{[2
,3
]}

胡娇娇 ^{[2
]}

蒋运承 ^{[2
]}

机构：

[1] 钦州学院电子与信息工程学院

[2] 华南师范大学计算机学院

[3] 郑州轻工业学院软件学院

来源：

计算机工程 | 2017年 / 43卷 / 06期

基金：

广州市科技计划项目;

关键词：

微博; 文本相关度; 图结构; 隐含狄利克雷分布; 语义检索;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP393.092 [];

学科分类号：

120506 [数字人文];

摘要：

微博文本短小、特征稀疏、与用户查询之间存在语义鸿沟的特点会降低语义检索效率。针对该问题,结合文本特征和知识库语义,构建基于潜在语义与图结构的语义检索模型。通过Tversky算法计算基于Hashtag的特征相关度;利用隐含狄利克雷分布算法对Wikipedia语料库训练主题模型,基于JSD距离计算映射到该模型的文本主题相关度;抽取DBpedia中实体及其网络关系连接图,使用SimRank算法计算图中实体间的相关度。综合以上3个结果得到最终相关度。通过短文本和长文本检索对Twitter子集进行实验,结果表明,与基于开放关联数据和图论的方法相比,该模型在评估指标MAP,P@30,R-Prec上分别提高了2.98%,6.40%,5.16%,具有较好的检索性能。

引用

页码：182 / 188+194 +194

页数：8

共 7 条

[1]

一种融合聚类和时间信息的微博排序新方法 [J].

卫冰洁 ;

史亮 ;

王斌 .

中文信息学报, 2015, 29 (03) :177-183+189

[2]

基于文本聚类与LDA相融合的微博主题检索模型研究 [J].

唐晓波 ;

房小可 .

情报理论与实践, 2013, 36 (08) :85-90

[3]

Microblog semantic context retrieval system based on linked open data and graph-based theory.[J].Fahd Kalloubi;El Habib Nfaoui;Omar El beqqali.Expert Systems With Applications.2016,

[4]

Unsupervised topic discovery in micro-blogging networks [J].