專利名稱：微博搜索排名方法及微博搜索引擎的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及短文本搜索，尤其涉及微博環(huán)境下的搜索排名方法。
背景技術(shù)：
微博是當(dāng)前十分流行的一種社交網(wǎng)絡(luò)交互系統(tǒng)，截至2011年5月TwitteH國(guó)外著名的微博網(wǎng)站)擁有超過1億的每天登陸的活躍用戶。在國(guó)內(nèi)，騰訊微博擁有超過3億的用戶，新浪微博也擁有超過兩億的用戶。微博用戶往往通過短小精悍的文本(一般不超過140個(gè)字)描述新聞、事件及表達(dá)自己的觀點(diǎn)。微博龐大的用戶量以及較高的用戶活躍度，使得微博系統(tǒng)每天都產(chǎn)生大量的有價(jià)值的消息，據(jù)統(tǒng)計(jì)2011年3月11日Twitter上一天產(chǎn)生的微博數(shù)量為177000000 條。數(shù)量龐大的微博客使得微博成為像傳統(tǒng)web網(wǎng)頁(yè)一樣豐富的資源庫(kù)，微博成為搜索引擎檢索的對(duì)象。不同于傳統(tǒng)的web搜索，微博搜索排名算法存在以下兩個(gè)方面的問題第一，傳統(tǒng)的web搜索引擎不關(guān)注搜索結(jié)果的實(shí)時(shí)性——搜索結(jié)果網(wǎng)頁(yè)的產(chǎn)生時(shí)間對(duì)搜索結(jié)果排名沒有影響或者影響很小。然而，微博是由微博用戶動(dòng)態(tài)生成的，其內(nèi)容往往涉及到新聞以及新聞評(píng)論，具有很強(qiáng)的實(shí)時(shí)性，因此微博搜索的排名必須要考慮搜索結(jié)果的實(shí)時(shí)性，搜索結(jié)果的產(chǎn)生時(shí)間必須作為排名的依據(jù)。。第二，微博非常短小，只有不超過140個(gè)字，一般不包含相互之間的引用鏈接關(guān)系，因此傳統(tǒng)的基于鏈接引用分析的算法，如I^geRank以及HITS等排名算法不再適用于微博搜索結(jié)果的排名。由于微博的短小，傳統(tǒng)web搜索重要的參數(shù)TF (Term Frequency,詞頻) 已經(jīng)沒有意義，因此TF-IDF統(tǒng)計(jì)值也不能作為微博搜索排名的依據(jù)?，F(xiàn)有的專門針對(duì)微博進(jìn)行檢索的搜索引擎(以下稱為微博搜索引擎)，如Twitter 本身提供的搜索服務(wù)，通常只是簡(jiǎn)單的將搜索結(jié)果按消息產(chǎn)生的時(shí)間的先后進(jìn)行簡(jiǎn)單的排序，使得最相關(guān)的消息往往不能排在最前面。

發(fā)明內(nèi)容
因此，本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺陷，提供一種微博搜索排名方法， 提高了當(dāng)前微博檢索結(jié)果的精確度。本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的一方面，本發(fā)明提供了一種微博搜索排名方法，該方法包括步驟1)，對(duì)經(jīng)搜索后得到的微博消息集合中的每條消息執(zhí)行如下操作步驟1-1)基于該消息產(chǎn)生的時(shí)間，計(jì)算消息的實(shí)時(shí)性權(quán)值r ；步驟1-2)計(jì)算發(fā)布該消息的用戶的影響力權(quán)值ο ；步驟2)，基于消息的實(shí)時(shí)性權(quán)值r和發(fā)布該消息的影響力權(quán)值0，計(jì)算每條消息的排名分值rank ；步驟幻根據(jù)步驟2~)所計(jì)算的排名分值，對(duì)所述微博消息集合中的所有消息進(jìn)行排序。
上述方法中，在步驟1-1)，可以采用如下公式計(jì)算r:r= (1_、)2，其中〖為消息產(chǎn)生的時(shí)間戳，t0是為所有消息設(shè)定的標(biāo)準(zhǔn)時(shí)間戳。上述方法中，在步驟1-1)，可以采用如下公式計(jì)算r :r = t*log(t)。上述方法中，在步驟2)，可以采用如下公式來計(jì)算消息的排名分值
rο
「00181 rank = (1-a)*--l·a*-
L JR + S MAX+MIN其中，0 ^ α ^ 1, R和S分別為步驟1)中所計(jì)算的實(shí)時(shí)性權(quán)值中的最大值和最小值，MAX和MIN分別為步驟1)中所計(jì)算的影響力權(quán)值中的最大值和最小值；上述方法中，發(fā)布該消息的用戶的影響力權(quán)值ο可以是通過如下步驟計(jì)算得到的步驟a)獲取所有微博用戶信息，每條用戶信息包括用戶ID、用戶名、好友ID、粉絲 ID、發(fā)帖數(shù)；步驟b)基于所獲得的用戶信息構(gòu)建用戶關(guān)系矩陣A，矩陣A中Au = 1表示用戶j 是用戶i的粉絲，Aij = 0表示用戶j不是i的粉絲；步驟C)計(jì)算Y = Α* λ，用γ代替λ，重復(fù)該步驟直到I λ - Υ I小于預(yù)定閾值q 為止，其中，λ = (A1, λ2,..., λη)τ，其中Xi為用戶i當(dāng)前的影響力權(quán)值，其初始值為該用戶的發(fā)貼數(shù)，η為微博用戶的數(shù)量；步驟d)基于經(jīng)步驟C)得到的最終的λ，將其中λ i作為用戶i影響力權(quán)值ο的
最終值。上述方法中，預(yù)定閾值q可以為I λ | + | y I的0.01%。又一方面，本發(fā)明提供了一種微博搜索排名裝置，該裝置包括用于對(duì)經(jīng)搜索后得到的微博消息集合中的每條消息執(zhí)行如下操作的部件(1)基于該消息產(chǎn)生的時(shí)間，計(jì)算消息的實(shí)時(shí)性權(quán)值r ；(2)計(jì)算發(fā)布該消息的用戶的影響力權(quán)值ο ；用于對(duì)基于消息的實(shí)時(shí)性權(quán)值r和發(fā)布該消息的影響力權(quán)值O，計(jì)算每條消息的排名分值rank的部件；用于根據(jù)所計(jì)算的排名分值，對(duì)所述微博消息集合中的所有消息進(jìn)行排序的部件。又一方面，本發(fā)明提供了一種微博搜索引擎，該引擎包括上述微博搜索排名裝置， 其用于對(duì)經(jīng)搜索得到的微博消息集合中的消息進(jìn)行排序，以便將排序后的微博消息列表提供給檢索用戶。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于通過將微博作者權(quán)威性和消息實(shí)時(shí)性相結(jié)合來進(jìn)行排名，提高了當(dāng)前微博檢索結(jié)果的精確度。而且計(jì)算微博作者的影響力計(jì)算的方法簡(jiǎn)單高效，還適用于對(duì)微博系統(tǒng)中的用戶進(jìn)行權(quán)威性或者影響力排名


以下參照附圖對(duì)本發(fā)明實(shí)施例作進(jìn)一步說明，其中圖1為根據(jù)本發(fā)明實(shí)施例的微博搜索排名方法的流程圖；圖2為根據(jù)本發(fā)明實(shí)施例的微博用戶關(guān)系示意圖3為根據(jù)本發(fā)明實(shí)施例的計(jì)算發(fā)布消息的用戶的影響力權(quán)值的流程圖；圖4為根據(jù)本發(fā)明一個(gè)實(shí)施例的微博搜索引擎示意圖。
具體實(shí)施例方式為了使本發(fā)明的目的，技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖通過具體實(shí)施例對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明， 并不用于限定本發(fā)明。 為了更好地理解本發(fā)明，首先對(duì)微博進(jìn)行簡(jiǎn)單介紹。微博，即微博客，是一種基于用戶關(guān)系的信息分享、傳播以及獲取平臺(tái)。微博的消息非常短，不超過140字。微博發(fā)展了一種稱為“追隨”(follow)的社交關(guān)系，微博用戶可以任意關(guān)注感興趣的用戶而不需要獲得對(duì)方的許可。微博用戶發(fā)布的所有消息都會(huì)廣播給他所有的“粉絲”(follower)。最早也是最著名的微博系統(tǒng)是美國(guó)的Twitter，根據(jù)公開的數(shù)據(jù)目前Twitter有超過2億的活躍用戶；在國(guó)內(nèi)，新浪微博和騰訊微博是最熱門的微博系統(tǒng)，目前據(jù)公開數(shù)據(jù)，新浪有超過2億的注冊(cè)用戶，騰訊微博有超過3億的注冊(cè)用戶。微博的盛行，給互聯(lián)網(wǎng)帶來更豐富的信息資源，微博不僅是社交網(wǎng)絡(luò)，更成為一種傳播媒體。對(duì)微博提供檢索，已經(jīng)在商業(yè)、政治等領(lǐng)域具有重要意義。圖1給出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的微博搜索排名方法。該方法結(jié)合消息的實(shí)時(shí)性和消息作者的權(quán)威性來對(duì)搜索結(jié)果進(jìn)行排名。其中，搜索結(jié)果是根據(jù)檢索用戶輸入的關(guān)鍵詞對(duì)微博進(jìn)行檢索后得到的消息的集合(也可簡(jiǎn)稱為結(jié)果消息集合或消息集合)。需要說明的是，檢索用戶特指使用本發(fā)明的方法的用戶，而微博用戶指為使用微博系統(tǒng)的用戶，消息作者指的是發(fā)布微博消息的微博用戶。在本申請(qǐng)中，除了特指的檢索用戶之外，用戶指的是微博系統(tǒng)的用戶，消息指的是微博消息。該方法首先為結(jié)果消息集合中的每條消息計(jì)算該消息的實(shí)時(shí)性權(quán)值與發(fā)布該消息的用戶的影響力權(quán)值(也可簡(jiǎn)稱為消息作者影響力權(quán)值)的加權(quán)平均值，并以此作為該消息的排名分值；然后，根據(jù)計(jì)算所得的排名分值對(duì)結(jié)果消息集合中的消息進(jìn)行排序?？梢栽谂磐晷虻慕Y(jié)果消息集合中選取合適數(shù)量的結(jié)果消息作為查詢結(jié)果返回給檢索用戶。其中，消息的實(shí)時(shí)性權(quán)值是評(píng)估消息產(chǎn)生的時(shí)間的先后的分值；消息的實(shí)時(shí)性權(quán)值越小，表明該消息是較早以其產(chǎn)生的；而消息的實(shí)時(shí)性權(quán)值越大，表明該消息是最近產(chǎn)生的。消息作者影響力權(quán)值是評(píng)估發(fā)布該消息的用戶的影響力(權(quán)威性或受關(guān)注程度或重要程度)的分值；其值越小，表明該用戶的影響力越??；其值越大，表明該用戶的影響力越大。參考圖1，更具體地，該方法首先對(duì)于結(jié)果消息集合中的每條消息執(zhí)行如下步驟步驟1)基于消息產(chǎn)生的時(shí)間，計(jì)算消息的實(shí)時(shí)性權(quán)值(SlOl)。在一個(gè)實(shí)施例中，可以簡(jiǎn)單地根據(jù)消息產(chǎn)生的時(shí)間的先后順序設(shè)置該消息的實(shí)時(shí)性權(quán)值，消息產(chǎn)生的時(shí)間較早的，為該消息設(shè)置較小的實(shí)時(shí)性權(quán)值；消息產(chǎn)生的時(shí)間較早的，為該消息設(shè)置較大的實(shí)時(shí)性權(quán)值。例如，消息的實(shí)時(shí)性權(quán)值r = t或r = t-、，其中t 為該消息產(chǎn)生的時(shí)間戳，、是為所有消息設(shè)定的標(biāo)準(zhǔn)時(shí)間戳，例如2006年1月1日0點(diǎn)0 分0秒。在又一個(gè)實(shí)施例中，為了使最新的消息具有較高的實(shí)時(shí)性權(quán)值，可以采用如下公式來計(jì)算消息的實(shí)時(shí)性權(quán)值r = (t-、)2，或者，r = t*log(t)等。在其他實(shí)施例中，也可以采用其他的函數(shù)表達(dá)式，只要r是t的遞增函數(shù)即可，不局限于線性遞增方式。消息的實(shí)時(shí)性權(quán)值是隨消息產(chǎn)生的時(shí)間的遞增而遞增，這樣，最近產(chǎn)生的消息具有較高的權(quán)值。步驟2)計(jì)算消息作者影響力權(quán)值(S102)。由于消息作者的影響力權(quán)值體現(xiàn)了發(fā)布該消息的用戶的影響力(權(quán)威性或受關(guān)注程度或重要程度)的大小。因此，在一個(gè)實(shí)施例中，可以基于用戶的粉絲數(shù)量來設(shè)置該用戶的影響力權(quán)值。用戶的粉絲數(shù)量越多表明該用戶的影響力越大，該用戶的影響力權(quán)值越高。在又一個(gè)實(shí)施例中，可以基于用戶的發(fā)貼數(shù)來設(shè)置該用戶的影響力權(quán)值。用戶的發(fā)貼數(shù)越多，表明該用戶越活躍，該用戶的影響力權(quán)值越高。具體的計(jì)算方式可以參考實(shí)時(shí)性權(quán)值的計(jì)算方法，只要符合遞增函數(shù)的性質(zhì)就可以了。例如，可以采用線性遞增的方式，可以直接將用戶的粉絲數(shù)量或用戶的發(fā)帖數(shù)作為該用戶的影響力權(quán)值。當(dāng)然也可以采用其他的遞增函數(shù)表達(dá)式。在又一個(gè)實(shí)施例中，為了從更全面的角度計(jì)算消息作者影響力權(quán)值，采用了如下方法來計(jì)算消息作者影響力權(quán)值。 首先，獲取微博客系統(tǒng)中的所有用戶的信息(例如，η個(gè)用戶)，以用戶信息來構(gòu)造用戶關(guān)系矩陣；用戶信息格式如表1所示，每條用戶消息包含用戶ID、用戶名稱、好友ID、 粉絲ID、影響力權(quán)值和發(fā)帖數(shù)六個(gè)部分。表 權(quán)利要求
1.一種微博搜索排名方法，該方法包括步驟1)，對(duì)經(jīng)搜索后得到的微博消息集合中的每條消息執(zhí)行如下操作 步驟1-1)基于該消息產(chǎn)生的時(shí)間，計(jì)算消息的實(shí)時(shí)性權(quán)值r ； 步驟1-2)計(jì)算發(fā)布該消息的用戶的影響力權(quán)值ο ；步驟2)，基于消息的實(shí)時(shí)性權(quán)值r和發(fā)布該消息的影響力權(quán)值0，計(jì)算每條消息的排名分值rank ；步驟幻根據(jù)步驟幻所計(jì)算的排名分值，對(duì)所述微博消息集合中的所有消息進(jìn)行排序。
2.根據(jù)權(quán)利要求1所述的方法，在步驟1-1)中，r= (t-、)2，其中t為消息產(chǎn)生的時(shí)間戳，t0是為所有消息設(shè)定的標(biāo)準(zhǔn)時(shí)間戳。
3.根據(jù)權(quán)利要求1所述的方法，在步驟1-1)中，r= t*log(t)。
4.根據(jù)權(quán)利要求1所述的方法，在步驟2)中，采用如下公式來計(jì)算消息的排名分值r rank = (1-a)*--ι-α*-R + S MAX+MIN其中，a < 1，R和S分別為步驟1)中所計(jì)算的實(shí)時(shí)性權(quán)值中的最大值和最小值， MAX和MIN分別為步驟1)中所計(jì)算的影響力權(quán)值中的最大值和最小值；
5.根據(jù)上述任一權(quán)利要求所述的方法，其中發(fā)布該消息的用戶的影響力權(quán)值ο是通過如下步驟計(jì)算得到的步驟a)獲取所有微博用戶信息，每條用戶信息包括用戶ID、用戶名、好友ID、粉絲ID、 發(fā)帖數(shù)；步驟b)基于所獲得的用戶信息構(gòu)建用戶關(guān)系矩陣A，矩陣A中Au = 1表示用戶j是用戶i的粉絲，Aij = 0表示用戶j不是i的粉絲；步驟c)計(jì)算Y =々*入，用Y代替λ，重復(fù)該步驟直到I λ-Υ I小于預(yù)定閾值q為止， 其中，λ = (A1, λ2，...，λη)τ，其中Xi為用戶i當(dāng)前的影響力權(quán)值，其初始值為該用戶的發(fā)貼數(shù)，η為微博用戶的數(shù)量；步驟d)基于經(jīng)步驟c)得到的最終的λ，將其中λ i作為用戶i影響力權(quán)值ο的最終值。
6.根據(jù)權(quán)利要求5所述的方法，其中預(yù)定閾值q為Iλ | + | y I的0.01%。
7.一種微博搜索排名裝置，該裝置包括用于對(duì)經(jīng)搜索后得到的微博消息集合中的每條消息執(zhí)行如下操作的部件(1)基于該消息產(chǎn)生的時(shí)間，計(jì)算消息的實(shí)時(shí)性權(quán)值r；(2)計(jì)算發(fā)布該消息的用戶的影響力權(quán)值ο；用于對(duì)基于消息的實(shí)時(shí)性權(quán)值r和發(fā)布該消息的影響力權(quán)值0，計(jì)算每條消息的排名分值rank的部件；用于根據(jù)所計(jì)算的排名分值，對(duì)所述微博消息集合中的所有消息進(jìn)行排序的部件。
8.一種微博搜索引擎，該引擎包括如權(quán)利要求7所述的微博搜索排名裝置，其用于對(duì)經(jīng)搜索得到的微博消息集合中的消息進(jìn)行排序，以便將排序后的微博消息列表提供給檢索用戶。
全文摘要
本發(fā)明提供一種微博排名方法，該方法首先計(jì)算消息的實(shí)時(shí)性權(quán)值和消息作者影響力權(quán)值，然后將二者的加權(quán)平均值作為該消息的排名值，并基于所計(jì)算的排名值對(duì)消息進(jìn)行排序。該方法通過將微博作者權(quán)威性和消息實(shí)時(shí)性相結(jié)合來進(jìn)行排名，提高了當(dāng)前微博檢索結(jié)果的精確度。而且計(jì)算微博作者的影響力計(jì)算的方法簡(jiǎn)單高效，還適用于對(duì)微博系統(tǒng)中得用戶進(jìn)行權(quán)威性或者影響力排名。
文檔編號(hào)G06F17/30GK102426610SQ20121001031
公開日2012年4月25日 申請(qǐng)日期2012年1月13日 優(yōu)先權(quán)日2012年1月13日
發(fā)明者方濱興, 李靜遠(yuǎn), 王元卓, 程學(xué)旗, 邢國(guó)亮, 陳根寶 申請(qǐng)人:中國(guó)科學(xué)院計(jì)算技術(shù)研究所