[发明专利]一种基于微博数据的多维度检索排序优化算法和工具

权利要求书

1.一种基于微博数据的多维检索排序优化算法，其特征在于：结合微博数据特点，从检索数据特征、检索用户特征和系统应用特征三个维度，对Lucene原始检索排序结果进行综合多维度的优化调整，使优化后的排序结果更加体现数据特征、更加符合用户的真实查询意图、更加契合应用的主题。多维度检索排序优化工具定义了以下三个维度，使用多维检索排序优化算法，对基于金融微博数据Web应用进行检索排序优化的实现，最后对基于金融微博数据实现的工具进行数据测试，证明了此工具的有效性：

维度一是检索数据特征，在此维度上全面考虑数据的特点，尤其是微博数据不同于传统数据的显著区别，基于此区别对排序结果进行优化；

维度二是检索用户特征，主要探究用户的真实检索意图，使更符合用户检索意图的检索结果优先返回；

维度三是系统应用特征，针对某一应用的特定主题，对检索结果进行优化，使更契合主题的检索结果优先返回。

2.根据权利要求1所述的检索数据特征维度优化，其特征在于：定义检索数据特征(Data Attributes)为dataAttr={DA1,DA2,DA3,...DAn}，其中DAi表示检索数据的不同特征，挖掘数据不同于传统网页数据的、且Lucene检索排序模块没有考虑到的附属数据信息，包括但不限于数据的发布时间、数据传播度、作者信息、数据的权威程度等等，这些附属信息将影响检索结果的综合价值，从而影响最终排序结果。在此维度的实现中，采用了具体方法计算各检索数据特征对检索结果价值的影响度。

3.根据权利要求1所述的检索用户特征维度优化，其特征在于：定义检索用户特征(User Attributes)为userAttr={UA1,UA2,UA3,...UAn}，其中UAi表示用户的检索意图。用户的检索意图是指用户在进行查询时，希望检索服务能够返回的信息。针对相同的检索词，不同的用户可能有不同的检索意图。例如相同的查询词“欧洲史”，用户A想找到相关的书籍介绍，用户B希望找到相关的研究学者或者机构。在此维度的实现中，采用了具体方法计算各检索用户特征对检索结果价值的影响度。

4.根据权利要求1所述的系统应用特征维度优化，其特征在于：定义系统应用特征(App Attributes)为appAttr={AA1,AA2,AA3,...AAn}，AAi表示应用的特征或者主题，不同的系统应用有不同的应用领域、主题，显然与应用主题更相关的查询结果是更有价值的，排名应该更靠前。例如，如果一个应用是检索矿产相关的信息，那么检索结果与矿产类相关度较大，就应该有更高的排名。在此维度的实现中，采用了具体方法计算各系统应用特征对检索结果价值的影响度。

5.根据权利要求2所述的检索数据特征维度优化，其特征在于基于金融微博数据，总结出微博数据相对传统网页数据的不同的特点，dataAttr集合为DA1=文本长度，DA2=发布时间，DA3=评论数+转发数，DA4=作者粉丝数，DA5=作者已发布微博数；以上五个关键属性，都是越大越好，针对在关键属性上表现更加优异的检索结果，其在最后的返回页面中应该更加靠前。分别取出在五个属性上表现最好的K条微博，形成5个集合，每个集合K条数据。按照具体公式计算检索数据特征维度优化得分。

6.根据权利要求3所述的检索用户特征维度优化，其特征在于利用两种方法分析用户意图，实现具体的优化：

一种是基于检索标签的优化，利用标签表明用户的意图，检索用户需要额外给出一些辅助信息，例如上例中的检索关键词“股票书”，“书”就属于这类辅助信息，表明用户想要查找的是与股票相关的书，而非股票大盘走势等等。

另一种是基于用户日志的优化，记录所有注册用户的查询日志，其中保存用户查询的关键词、点击行为以及停留的时间。认为点击次数越多、停留时间越长的检索结果更加符合用户检索意图，基于此建立某一用户检索关键词与其检索意图的关联，并利用此关联对相似查询进行优化处理。