博客观点检索系统研究与实现.docVIP

  博客观点检索系统研究与实现 李潇，徐蔚然* （北京邮电大学信息与通信工程学院，北京 100876） 5 10 15 20 25 30 35 40 摘要：博客是一种重要的信息载体，其内容包含了作者丰富的情感和观点。如何准确有效地 挖掘和检测出博客所包含的这些隐含信息，是近些年来的一个研究热点。本文除了关注如何 根据用户查询，查找出与查询相关的博客，同时还对博客的观点检测方法进行了研究。本文 提出的博客观点检索框架，应用了基于词的主客观判定方法，针对用户查询，检索出内容相 关的博客，并且给出了按照观点相关程度进行排序的结果。经实验证明，本文所应用的观点 检测方法能达到比较高的性能要求。 关键词：信息检索；观点检索；博客检索；观点挖掘 中图分类号：TP391.4 Research and Implementation on Blog Opinion Finding System Li Xiao, Xu Weiran (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876) Abstract: Blog is an important information carrier which contains rich emotion and opinion. Recent years, it is a hotspot to research on how to retrieval the implicit information in the blogs accurately and effectively. This paper not only concern on finding the relevant blogs according to users query, but also detect the two facet opinionated vs factual of the relevant blogs. We present a improved blog opinion retrieval framework in which subjective and objective lexicon are applied, and results with opinion ranking are provided.As proved by experiment, the method which applys on the retrieval system can improve the performance of the two facet identification effectively. Key words: information retrieval; opinionated; factual; opinion detection; blog retrieval 0 引言 随着 Web 2.0 的快速发展，网络上呈现给我们越来越多的带有观点性的不同主题的文 档。博客检索是在博客域（Blogosphere）中进行检索。博客域是由博客以及博客之间的互联 组成，如图 1 所示。其含义是博客是以一个相互之间有连接的社区或者是一个社区网络而存 在的[1]，在这个社区网络里，人们每时每刻都能发表自己的观点。传统的博客相关性检索是 找出与给定主题相关的博客，并按照相关度进行排序。但博客观点检索除了要检索出与主题 相关的博客，还需要找出观点信息比较明确的博客。在 2006 年，由美国国家标准技术研究 所（National Institute of Standard and Technology， NIST）主办的文本检索会议 TREC 评测 中，首次增加了博客检索的任务。当时的检索任务是在基于对商业博客搜索引擎分析的基础 上提出来的，主要分为两个小任务：一是观点查找任务，即“人们对某一话题 X 的看法”； 另一个是博客精选任务，即找出对某一话题有持续兴趣的博客。在随后的几年里，博客观点 检索一直是 TREC 博客评测[2]的主任务。在 2009 年的 TREC 博客评测中考虑了博客的一些 属性和其他方面的因素，将对博客的观点性判断作为子任务提了出来，并在 2010 年又将博 客的客观事实性判断加入到任务中，即不仅要找出与给定主题相关的观点性博客，如对某一 作者简介：李潇（1987-），男，硕士，主要研究方向：信息检索. E-mail: buptlx0201@ 通信联系人：徐蔚然（1975-），男，副教授，主要研究方向：信息检索.