[发明专利]确定微博与给定实体的相关性的方法和装置

权利要求书

1.一种确定多个微博中的每个微博与给定实体的相关性的方法，包括：

提取所述多个微博中的每个微博的特征；

根据所提取的特征确定所述微博之间的相似度；以及

利用所确定的所述微博之间的相似度，基于半监督分类器来确定所述多个微博中的每个微博与所述给定实体的相关性。

2.根据权利要求1所述的方法，其中，所述半监督分类器为基于标签传播的分类器。

3.根据权利要求2所述的方法，其中，所述基于半监督分类器来确定所述多个微博中的每个微博与所述给定实体的相关性的步骤包括：

通过将所述多个微博中的每个微博视为节点、在具有共同特征的两个微博之间构建边、并且用所述具有共同特征的两个微博之间的相似度表示所述边的权重，来构建微博节点图；

从所述节点中选择一部分节点作为种子；以及

基于标签传播的算法来确定所述多个微博中的每个微博与所述给定实体的相关性。

4.根据权利要求3所述的方法，在根据所提取的特征确定所述微博之间的相似度的步骤之前，还包括：

提取与所述给定实体相关联的特征；

利用训练好的有监督分类器来初步确定所述多个微博中的每个微博与所述给定实体的相关性；以及

根据初步确定结果来判断是否有必要基于半监督分类器来确定所述多个微博中的每个微博与所述给定实体的相关性。

5.根据权利要求4所述的方法，其中，所述根据初步确定结果来判断是否有必要基于半监督分类器来确定所述多个微博中的每个微博与所述给定实体的相关性的步骤包括：

对被确定为与所述给定实体不相关的微博的数量和相应的阈值进行比较；

如果被确定为与所述给定实体不相关的微博的数量小于所述阈值，则基于半监督分类器来确定所述多个微博中的每个微博与所述给定实体的相关性。

6.根据权利要求4所述的方法，其中，所述从所述节点中选择一部分节点作为种子的步骤包括：

根据所述初步确定结果从所述节点中选择一部分节点作为种子。

7.根据权利要求6所述的方法，其中，所述根据所述初步确定结果从所述多个节点中选择一部分节点作为种子的步骤包括：

利用训练好的有监督分类器确定每个微博与所述给定实体的相关性的置信度；以及

分别从与所述给定实体相关的微博中以及从与所述给定实体不相关的微博中选择具有高置信度的微博作为种子。

8.根据权利要求4所述的方法，其中，所述有监督分类器为最大熵分类器或朴素贝叶斯分类器。

9.根据权利要求4所述的方法，其中，所述提取与所述给定实体相关联的特征的步骤包括：

从以下页面中的至少一个页面中提取与所述给定实体相关联的词语作为特征：所述给定实体相关联的实体主页、具有网络百科全书属性的网页、以及用于帮助用户通过数个关键词获得相关关键词的网页。

10.一种确定多个微博中的每个微博与给定实体的相关性的装置，包括：

微博特征提取单元，被配置为提取所述多个微博中的每个微博的特征；

相似度确定单元，被配置为根据所提取的特征确定所述微博之间的相似度；以及

相关性确定单元，被配置为利用所确定的所述微博之间的相似度，基于半监督分类器来确定所述多个微博中的每个微博与所述给定实体的相关性。