[发明专利]针对社交媒体的观点检索系统及方法

说明书

本发明涉及一种针对社交媒体的观点检索系统及方法。包括：一文本实体链接模块，用于将用户查询和待查询文档进行分词处理，同时链接到指定的知识图谱，充分利用知识图谱中的实体间关系，增加系统对用户查询和文档的理解程度；一查询扩展模块，用于根据用户的查询，结合知识图谱实体描述文本，通过分类得到查询扩展词；一观点检索得分计算模块，用于结合原始查询和查询扩展词，分别计算用户查询与某一文档间的主题相关度得分部分，观点相关度得分部分，以及文档类别得分部分，并根据三个部分得到一个文档的综合得分；一文档排序输出模块，根据文档综合得分从高到低排序，得到查询的观点检索结果并输出。本发明能够高效准确地理解用户查询的信息需求，检索出与用户查询相关并带有对查询观点的文档。

技术领域

本发明涉及观点检索领域，更具体地，涉及一种针对社交媒体的观点检索系统及方法，能够结合知识图谱，高效地从社交媒体等文档集中检索出与给定查询相关，同时带有对查询的观点的相关文档列表。

背景技术

当前，有很多技术方法可用于观点检索。传统的观点检索方法将观点检索分为两个阶段，首先利用传统的信息检索模型或者语言模型得到主题相关的文档集合，接着利用观点分类器从主题相关文档中得到带有观点的文档，该类方法工作重点在于第二个阶段，但用于观点检索中缺少理论依据，效果也不够理想。

当前，存在着一些线性组合观点检索方法。利用传统的信息检索模型或者语言模型得到主题相关度得分，通过观点分析模型计算得到观点相关度得分，使用线性组合公式将两种相关度得分结合为一个得分，并根据得分高低进行排序。但该类方法结合方式过于简单，若主题相关度得分或者观点相关度得分中某一项得分比另一项大的多时，不能很好的反映真实的情况，结果也不够准确。

当前，还存在着一些统一观点检索模型。将主题相关度和观点得分结合到统一的检索模型中，从传统的基于统计的检索模型出发，推导出统一的检索模型，模型包含了主题相关部分和观点相关部分。该类模型拥有较好的理论支持，是目前效果较好的一类方法。

然而，在社交媒体中，用户的查询输入通常较短，往往只是一个简单的词语，很难准确表达用户查询的信息需求，而目前的观点检索系统和方法往往对该问题没有足够的重视。随着近年来互联网的高速发展，微博、论坛等社交媒体消息的不断产生，这就对观点检索技术提出了一个挑战：如何构建一个能充分理解用户查询信息需求的观点检索原型系统来检索出符合用户查询需求的观点文档。因此，人们迫切希望有一种高效准确的观点检索方法，该方法能够理解用户查询信息需求，检索出社交媒体中与用户查询相关的观点文档。

发明内容

本发明的目的在于提供一种针对社交媒体的观点检索系统及方法，能够高效准确地理解用户查询的信息需求，检索出与用户查询相关并带有对查询观点的文档。

为实现上述目的，本发明的技术方案是：一种针对社交媒体的观点检索系统，包括：

一文本实体链接模块，用于将用户查询和待查询文档进行分词处理，同时链接到指定的知识图谱，利用知识图谱中的实体间关系，增加系统对用户查询和文档的理解程度；

一查询扩展模块，用于根据用户的查询，结合知识图谱实体描述文本，通过分类得到查询扩展词；

一观点检索得分计算模块，用于结合用户查询和查询扩展词，分别计算用户查询与文档间的主题相关度得分、观点相关度得分以及文档类别得分，并根据三个部分得分得到该文档的综合得分；

一文档排序输出模块，根据文档综合得分从高到低排序，得到查询的观点检索结果并输出。

优选的，所述系统还包括：

一数据预处理模块，用于去除文本中的链接、特殊字符及标点符号，对英文数据进行词干还原处理，过滤文本中的停用词。

优选的，所述查询扩展模块的分类器包括扩展词分布、共现频率、邻近关系、文档集频率四类特征，以及一个标注候选扩展词类别的公式。