一种基于改进的博客观点检索算法研究.docVIP

第 ３０卷第 ９期　　　 ２０１３年 ９月　　  计算机应用与软件 ＣｏｍｐｕｔｒＡｐｐｌｃａｔｏｎｓａｎｄＳｏｆｗａｒ  Ｖｏｌ３０ Ｎｏ．９ Ｓｅｐ．２０１３  一种基于改进的博客观点检索算法研究 王富荣１　张　宏２ １ ２ 摘　要　　近年来博客逐渐成为一种新的主流媒体及网络形式，已成为人们获取信息的重要渠道。通过分析博客的相关功能，提出 一种基于博客的观点检索方法，并且设计了一种基于负规则的极性检测算法，以提高极性检测部分的性能。通过相关实验数据验 证，结果证明了提出的方法的有效性，该改进算法能够显著提高系统的 ＭＡＰ值。 关键词　　观点检索　博客　文本极性　负规则　数学模型 中图分类号　ＴＰ３０１　　　　文献标识码　Ａ　　　　ＤＯＩ１０．３９６９／．ｉｓ．１０００８６ｘ．２０１３．０９．０３７ ＳＴＵＤＹ ＯＮ ＡＮ Ｉ ＰＲＯＶＥＤ ＶＩＷＰＯＩ ＴＲＥＴＲＩＶＡＬＡＬＧＯＲＩＨＭ ＢＡＳＥＤ ＯＮ ＢＬＯＧ ＷａｎｇＦｕｒｎｇ　ＺｈａｎｇＨｏｎｇ １ ２ Ａｂｓｒａｃｔ 　Ｉ ｒｃｅｎｔｙｅａｒ，ｂｌｇｓｈａｖｅｇｒｄｕａｌｙｂｅｃｏｍｅａｎｅｗｆｒ ｏｆｍａｉｓｒａｍ ｍｅｄｉ ａｎｄｎｅｔｏｒｓ ａｓｗｅｌａｓｂｅｃｏｍｅａｎｉｐｏｒａｎｔ ｃｈａｎｎｅｌｏｆａｃｃｅｓｉｇｔ ｉｆｒａｔｏｎ．Ｂｙａｎａｌｓｎｇｔｅｒｌｔｖｅｆａｔｒｓｏｆｔｅｂｌｇ ｗｅｐｒｐｏｓ ａｂｌｇａｓｄｖｉｗｐｏｉｔｒｔｉｖａｌｍｅｔｏｄ，ａｎｄ ｄｅｓｇｎａｎｅｇａｔｖｅｒｌａｓｄｐｏｌｒｔ ｄｅｔｃｔｏｎａｌｏｒｔｍ ｆｒｉｐｒｖｉｇｔｅｐｅｒｏｒａｎｃｅｏｆｔｅｐｏｌｒｔ ｄｅｔｃｔｏｎｐａｒ ｏｆｔｅｍｅｔｏｄ．Ｔｈｅ ｍｅｔｏｄｐｒｐｏｓｄｉ ｔｅｐａｐｅｒｈａｓｂｅｅｎｖｅｒｆｅｄｔｒｕｇｈｃｏｒｅｌｔｄｅｘｐｅｒｍｅｎｔｌｄａｔ，ａｎｄｔｅｒｓｌｓｐｒｖｅｔｅｖａｌｄｉｙｏｆｉ；ｔｉ ｉｐｒｖｅｄ ａｌｏｒｔｍ ｃａｎｒｍａｒａｂｌ ｒｉｅｔｅＭＡＰｖａｌｅｓｏｆｔｅｓｓｅｍ． Ｋｅｙｗｏｒｄｓ　　Ｖｉｗｐｏｉｔｒｔｉｖａｌ Ｂｌｇ　Ｔｅｘｔｐｏｌｒｔ　Ｎｅｇａｔｖｅｒｌｓ　Ｍａｔｅｍａｔｃａｌｍｏｄｅｌ ０　引　言 长期以来，人们经常需要求助于调查机构来了解有关人 群 对于某些问题的观 点，有 可 能 是 积 极 的、消 极 的 或 混 合 的。这 些公司的雇员需要仔细阅读所有有关问题的文本，然后进 行分 析 ［１］，不 仅 耗 费 大 量 的 人 力 和 财 政 资 源，而 且 过 程 也 很 缓 慢。 正由于这些缺陷的存在，才促进了观点检索系统的产生与发展。 随着 Ｗｅｂ２．０时代的到来，网络已成为响应社会舆论的重 要载体 ［２］。越来越多人 通 过 博 客 来 对 热 点 问 题 发 表 观 点。因 此，本文将观点检索系统应用到博客这个新兴领域。它对于众 多商业产品，关键分析领域等等的决策均具有广泛的应用前景 和现实意义。本文基于博客文章，通过设定相关目标，提取并标 识观点方向（积极、消极或混合）。通 过 实 例 进 行 验 证，实 验 结 果显示本文提出的方法获得良好的效果。 １　观点检索系统架构分析 图 １　典型观点检索系统架构 主题检索部分，需要在博客文章中定位包含给定的主题 目 标的相关信息 ［４］。它 是 基 于 Ｌｕｃｅｎｅ．Ｎｅｔ检 索 工 具 包 来 实 现 相 关博客内容的检索，并返回文档相关的分数，然后根据分数划分 一个典型的观点检索系统主要由主题检索部分、观点检 索 部分和极性检测部 分 等 三 部 分 构 成。系 统 的 体 系 结 构 如 图 １ 所示 ［３］。 收稿日期：２０１２－０８－１２。江苏省交通科学研究计划项目（２０１１Ｙ２１ －３）。王富荣，副教授，主研领域：计算机应用，信息安全。张宏，教授。 　 　３２　　　 计算机应用与软件 ２０１３年  不同等级。其中应用到简单查询扩展技术以优化检索效率（在 这里不做详细信息检索）。 观点检索部分，需要在博客文章中定位对给定的目标形 成 的观点。它使用主题检索部分得到的分数进行进一步分析，然 后使用线性组合模型得到最终版本的相关性分数，在后文中将 进行详细分析 ［５］。 极性检测部分，需要提取并标识观点方 向 （积 极、消 极 或 混 合）。本文提出了一种基于负规则的极性算法，后文将详细讨论。 ２　基于博客的观点检索模型 一般来说，博客 包 含 三 个 部 分，即 标 题、内 容、评 论。因 为 三个部分的文本表达、语言和习惯都是不同的，所以每个部分观 点分数的计算方法也不同 ［６］。同时，每个部分的消息内容是不 同的，因此，博客内不同内容对观点分数的贡献也不同。综合考 虑上述因素，使用不同的方法为博客的标题、