本發(fā)明涉及互聯(lián)網(wǎng)信息檢索，具體涉及一種結(jié)合時序化動態(tài)建模和情感語義的個性化搜索方法，屬于社會化搜索技術(shù)領(lǐng)域。
背景技術(shù)：
當(dāng)今是一個信息爆炸的時代，信息已經(jīng)不是稀缺資源，各種信息層出不窮的情況下，用戶的注意力反而變得稀缺了。搜索引擎技術(shù)的進一步發(fā)展，給予用戶很大便利。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心cnnic最新發(fā)布的《第39次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》數(shù)據(jù)，截至2016年12月，中國搜索引擎用戶規(guī)模達6.02億，使用率為82.4％，用戶規(guī)模較2015年底增加3615萬，增長率為6.4％。在技術(shù)創(chuàng)新方面，搜索產(chǎn)品與多種前沿技術(shù)協(xié)同發(fā)展、深入融合的趨勢日益突出。用戶對本地化、個性化搜索的需求日益旺盛，用戶需要更加個性化、場景化的精準(zhǔn)信息搜索服務(wù)。在大數(shù)據(jù)、云計算時代，社會化搜索的作用日漸突出，并引起國內(nèi)外相關(guān)學(xué)者的密切關(guān)注，成為最近十幾年以來信息檢索領(lǐng)域的研究熱點。
目前，國內(nèi)外一些搜索引擎公司在社會化搜索服務(wù)方面進行了有益的嘗試，除了產(chǎn)業(yè)界對社會化搜索理念與技術(shù)的不斷推動，學(xué)術(shù)界的很多學(xué)者開展了基于社會化標(biāo)注的搜索算法的研究?，F(xiàn)根據(jù)已有方案中應(yīng)用的主要技術(shù)概括目前研究和水平現(xiàn)狀如下：
(1)基于標(biāo)簽次數(shù)的排序算法
主要思想是依據(jù)資源被標(biāo)注的次數(shù)進行排序(參見“chenglh,pohy,chengwl,etal.utilizingusertag-basedinterestsinrecommendersystemsforsocialresourcesharingwebsites.knowledge-basedsystems,vol56,2014:86-96”)。如果一個標(biāo)簽出現(xiàn)的同時牽動另一個標(biāo)簽頁出現(xiàn)，則說明兩個標(biāo)簽存在一定內(nèi)在聯(lián)系，用無向圖將同現(xiàn)的標(biāo)簽之間以邊的形式連接，并通過共現(xiàn)的次數(shù)描述邊的權(quán)重，最后權(quán)重最高的n條邊所對應(yīng)的標(biāo)簽用來對資源進行標(biāo)注(參見“weiz,ziyg,zhengl.rankingonheterogeneousmanifoldsfortagrecommendationinsocialtaggingservices.neurocomputing,vol148,2015:521-534”)。
(2)基于社會化標(biāo)注的pagerank改進算法
在社會化標(biāo)注系統(tǒng)中，資源、用戶、標(biāo)簽三者之間是互增強關(guān)系，被高素質(zhì)用戶用高質(zhì)量的標(biāo)簽標(biāo)注的資源具有更高價值，而用高質(zhì)量的標(biāo)簽標(biāo)注高價值資源的用戶也具有更高的素質(zhì)，被高素質(zhì)的用戶用來標(biāo)注高價值資源的標(biāo)簽通常具有更高的質(zhì)量。因此，這種互增強關(guān)系被用來改進傳統(tǒng)的pagerank算法(參見“vivekk,dimals.pagerankmodelofopinionformationonsocialnetworks.physicaa,vol391,2012:5779-5793”)，該算法利用資源、用戶、標(biāo)注三者之間的互增強關(guān)系進行迭代收斂，得到最終的資源、用戶、標(biāo)注評分向量。
(3)基于社會化標(biāo)注的hits改進算法
專家級的用戶更加傾向于對高質(zhì)量的資源進行標(biāo)注，高質(zhì)量的資源通常由專家級的用戶標(biāo)注。因此，一些學(xué)者使用用戶水平的不同之處對傳統(tǒng)的hits算法進行改進，利用社會化標(biāo)注來支持專家搜索。比如提出的spear算法(參見“nollmg,yeungca,gibbinsn,etal.tellingexpertsfromspammers:expertiserankinginfolksonomies.inproceedingsofthe32ndinternationalacmsigirconferenceonresearchanddevelopmentininformationretrieval,newyork,usa,2009:612-619”)，該算法假設(shè)專家級的用戶通常是一個發(fā)現(xiàn)者，而一般的用戶通常是跟隨者，專家級用戶通常比一般用戶更早地對高質(zhì)量的資源進行標(biāo)注。
(4)標(biāo)簽語義搜索算法
考慮標(biāo)注之間的語義相似性來對查詢的結(jié)果進行排序是另一個重要的研究內(nèi)容。ahmad等人提出了利用語義建立線上內(nèi)容和標(biāo)簽的關(guān)系(參見“ahmadak,mohammadrezafs,somayehm.implicitlearnerassessmentbasedonsemanticrelevanceoftags.computersinhumanbehavior,vol55,2016:743-749”)，便于對內(nèi)容的關(guān)鍵詞提取，提高搜索效果。walisa等人提出通過學(xué)習(xí)用戶的網(wǎng)絡(luò)搜索行為模式，生成基于標(biāo)簽的關(guān)聯(lián)規(guī)則，用于解決標(biāo)簽的語義相似性和多義性問題(參見“walisar,wichianp.exploringwebsearchbehaviorpatternstopersonalizethesearchresults.proceedingsofthethirdinternationalconferenceonintelligentnetworkingandcollaborativesystems,fukuoka,2011:313-319”)。
(5)基于主題的個性化搜索算法
其基本思想是利用社會化標(biāo)注挖掘出用戶的主題興趣模型，即一組標(biāo)簽術(shù)語及其權(quán)重的集合，然后利用用戶的主題興趣模型對資源進行重新排序。比較著名的如folkrank算法(參見“hothoa,jschker,schmitzc,etal.folkrank:arankingalgorithmforfolksonomies.proceedingsofworkshoponinformationretrieval(fgir),germany,2006”)，該算法認為資源、用戶、標(biāo)注三者之間是互增強關(guān)系。因此，可以利用這種互增強關(guān)系計算出資源、用戶和標(biāo)注的評分向量。與社會化標(biāo)注的pagerank改進算法不同的是：folkrank算法額外增加了一個個性化的向量，該向量用來表示用戶對不同主題的關(guān)注程度。
(6)基于社交網(wǎng)絡(luò)的個性化算法
基于主題的個性化搜索算法考慮到了用戶感興趣的主題，但是沒有考慮到用戶的整個社交網(wǎng)絡(luò)關(guān)系。結(jié)合社交網(wǎng)絡(luò)，許多學(xué)者提出了基于社交網(wǎng)絡(luò)的個性化算法。young等人將用戶的興趣模型刻畫為熟悉度社交網(wǎng)絡(luò)、相似度社交網(wǎng)絡(luò)、基于主題的用戶興趣模型，并結(jié)合這三個方面的用戶興趣模型，給出了個性化的搜索算法(參見“youngak,gunwp.topic-drivensocialrank:personalizedsearchresultrankingbyidentifyingsimilar,credibleusersinasocialnetwork.knowledge-basedsystems,2013:230-242”)。junho等人則利用馬爾可夫邏輯網(wǎng)絡(luò)為基礎(chǔ)的社會關(guān)系推理預(yù)測建立在已知的社會用戶數(shù)據(jù)上，提高社會化搜索效率(參見“junhoc,changc,eunjil,pankook.markovlogicnetworkbasedsocialrelationinferenceforpersonalizedsocialsearch.6thinternationalconferenceoncomputationalcollectiveintelligence(iccci),seoul,southkorea,sep23-26,2014,studiesincomputationalintelligence,vol572,2015:195-202”)。
雖然社會化搜索的研究取得了一定的成就，但現(xiàn)有的研究工作和成果存在著局限性。首先用戶的興趣往往是發(fā)生變化的，沒有建立用戶動態(tài)的興趣模型便不能實時反應(yīng)用戶興趣的轉(zhuǎn)移。其次沒有考慮社會化標(biāo)注的情感分析，忽略了用戶的情感表達。因此，有必要提出一種更有效的社會化搜索的方法，建立用戶動態(tài)的興趣模型，并結(jié)合社會化標(biāo)注的情感分析，以提高搜索精度。
技術(shù)實現(xiàn)要素：
本發(fā)明所要解決的技術(shù)問題是：提供一種結(jié)合時序化動態(tài)建模和情感語義的個性化搜索方法，建立用戶動態(tài)興趣模型，并結(jié)合標(biāo)注的情感分析，得到更精確的用戶個性化搜索需求。
本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：
一種結(jié)合時序化動態(tài)建模和情感語義的個性化搜索方法，包括如下步驟：
步驟1，根據(jù)社會化標(biāo)注網(wǎng)絡(luò)模型，建立用戶興趣模型和資源模型，其中，第i個用戶用向量ui表示，其模型為ui＝(t1:v1,t2:v2,…,tn:vn)，第j個資源用向量rj表示，其模型為rj＝(t1:w1,t2:w2,…,tn:wn)，t1,t2,…,tn均表示標(biāo)簽，v1,v2,…,vn均表示用戶對標(biāo)簽的偏好程度，w1,w2,…,wn均表示資源與標(biāo)簽的關(guān)聯(lián)程度；
步驟2，結(jié)合情感詞典，將用戶興趣模型、資源模型分別映射至情感語義空間，得到帶有情感語義維度的用戶興趣模型、資源模型；
步驟3，采用基于用戶的協(xié)同過濾方法，找到與當(dāng)前用戶興趣和當(dāng)前用戶發(fā)起的查詢相似度最高的n個用戶，n為超參數(shù)，生成當(dāng)前用戶的鄰域集；
步驟4，若當(dāng)前用戶發(fā)起的查詢內(nèi)容與資源的其中一個標(biāo)簽內(nèi)容相匹配，則將該資源作為備選資源；計算當(dāng)前用戶的查詢與每個備選資源的相似度；
步驟5，計算步驟3得到的鄰域集中每個用戶與各備選資源的相似度；
步驟6，結(jié)合步驟4和步驟5，計算每個備選資源與當(dāng)前用戶查詢的相關(guān)度值，并將相關(guān)度值按照降序順序排列并輸出。
作為本發(fā)明的一種優(yōu)選方案，步驟1所述用戶對標(biāo)簽的編好程度計算公式為：
vk＝α(ui,tk)/ni，k＝1,2,…,n
其中，vk表示用戶ui對標(biāo)簽tk的偏好程度，ni為用戶ui標(biāo)注的資源總數(shù)，tnow為當(dāng)前時間，time(ui,tk)為用戶ui使用標(biāo)簽tk標(biāo)注資源的時間，n為標(biāo)簽的總數(shù)，tlastu為用戶ui使用標(biāo)簽tk標(biāo)注資源的最晚時間，tfirstu為用戶ui使用標(biāo)簽tk標(biāo)注資源的最早時間。
作為本發(fā)明的一種優(yōu)選方案，步驟1所述資源與標(biāo)簽的關(guān)聯(lián)程度計算公式為：
wk＝β(rj,tk)/mj，k＝1,2,…,n
其中，wk表示資源rj與標(biāo)簽tk的關(guān)聯(lián)程度，mj為標(biāo)注資源rj的用戶總數(shù)，tnow為當(dāng)前時間，time(rj,tk)為資源rj被標(biāo)簽tk標(biāo)注的時間，n為標(biāo)簽的總數(shù)，tlastr為資源rj被標(biāo)簽tk標(biāo)注的最晚時間，tfirstr為資源rj被標(biāo)簽tk標(biāo)注的最早時間。
作為本發(fā)明的一種優(yōu)選方案，所述步驟2的具體過程為：結(jié)合情感詞典，分別將用戶興趣模型、資源模型與情感詞典進行內(nèi)積運算，將用戶興趣模型、資源模型分別映射至情感語義空間，從而得到帶有情感語義維度的用戶興趣模型、資源模型。
作為本發(fā)明的一種優(yōu)選方案，步驟3所述與當(dāng)前用戶興趣和當(dāng)前用戶發(fā)起的查詢相似度計算公式為：
其中，sim(ui,uh)表示當(dāng)前用戶ui興趣與其他用戶uh興趣的相似度，sim(uh,q)表示其他用戶uh興趣與當(dāng)前用戶發(fā)起的查詢向量q的相似度。
作為本發(fā)明的一種優(yōu)選方案，步驟4所述當(dāng)前用戶的查詢與每個備選資源的相似度計算公式為：
sim(q,rl)＝sim(q,rl)+sim(q*,rl*)
其中，sim(q,rl)表示當(dāng)前用戶的查詢向量q與每個備選資源rl的相似度，sim(q,rl)表示查詢向量q與備選資源rl的內(nèi)容向量余弦相似度，sim(q*,rl*)表示查詢向量q與備選資源rl的情感語義向量余弦相似度。
作為本發(fā)明的一種優(yōu)選方案，步驟6所述相關(guān)度值計算公式為：
其中，σ(ui′,rl,q)為相關(guān)度值，n為鄰域集ci中所有用戶的數(shù)量，sim(q,rl)表示當(dāng)前用戶的查詢向量q與每個備選資源rl的相似度，sim(ui′,rl)表示鄰域集中每個用戶ui′與各備選資源的相似度。
本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：
1、本發(fā)明方法使用時序關(guān)系和歸一化標(biāo)簽范式能夠更好表達用戶和資源模型使搜索精度更高。
2、本發(fā)明方法結(jié)合情感詞典，使搜索不僅僅基于模型的內(nèi)容，從內(nèi)容和情感語義兩方面進行相關(guān)資源查找，能更好地完成個性化搜索。
3、本發(fā)明方法通用性強，能在各種社會化標(biāo)注系統(tǒng)中實現(xiàn)，有很好的擴充性。
附圖說明
圖1是本發(fā)明一種結(jié)合時序化動態(tài)建模和情感語義的個性化搜索方法的流程示意圖。
具體實施方式
下面詳細描述本發(fā)明的實施方式，所述實施方式的示例在附圖中示出。下面通過參考附圖描述的實施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。
如圖1所示，為本發(fā)明一種結(jié)合時序化動態(tài)建模和情感語義的個性化搜索方法的流程示意圖，具體步驟如下：
s1、首先依據(jù)社會化標(biāo)注網(wǎng)絡(luò)模型，包括用戶、標(biāo)簽、資源三部分。u、t、r分別表示用戶、標(biāo)簽、資源的有限集合。
建立用戶(興趣)模型，用向量ui表示用戶模型ui＝(t1:v1,t2:v2,…,tn:vn)，{t1,t2,…,tn}和{v1,v2,…,vn}表示標(biāo)簽庫和偏好程度。vk由歸一化標(biāo)簽范式來表示偏好程度。vk＝α(ui,tk)/ni，k＝1,2,…,n，vk值越高，表明用戶在標(biāo)簽tk上興趣度越大。其中ni是用戶ui標(biāo)注資源總數(shù)，α(ui,tk)為用戶ui使用標(biāo)簽tk的時序化動態(tài)值如下述公式獲得：
其中tlastu-tfirstu為用戶ui使用標(biāo)簽標(biāo)記資源的最晚時間與最早時間之差，tnow-time(ui,tk)為當(dāng)前時間與用戶使用標(biāo)簽tk標(biāo)注資源時間之差。記錄用戶所有使用標(biāo)簽tk標(biāo)注資源的時序化值并且求和就是用戶ui使用標(biāo)簽tk的時序化動態(tài)值。
假設(shè)某用戶使用標(biāo)簽標(biāo)注資源的次數(shù)為6次，使用標(biāo)簽action和affectional各3次，按時間順序是：action，action，affectional，action，affectional，affectional。與當(dāng)前時間差按某種設(shè)定單位分別是：6，5，4，3，2，1。用戶最晚標(biāo)記時間與最早標(biāo)記時間之差為5。
action標(biāo)簽的時序化興趣偏好值為：
vaction＝(e-(6/5)+e-(5/5)+e-(3/5))/6＝(0.301+0.367+0.449)/6＝0.186
affectional標(biāo)簽的時序化興趣偏好值為：
vaffectional＝(e-(4/5)+e-(2/5)+e-(1/5))/6＝(0.548+0.67+0.818)/6＝0.339
則用戶興趣模型向量為：ui＝(action:0.186,affectional:0.339)
由此可以看出時序化的用戶模型代表了用戶興趣的動態(tài)變化，越是后期標(biāo)注的標(biāo)簽，興趣度越高。同時進行了標(biāo)簽范式歸一化，為后續(xù)提高計算的精度做準(zhǔn)備。
建立資源模型，用向量rj表示資源模型rj＝(t1:w1,t2:w2,…,tn:wn)，{t1,t2,…,tn}和{w1,w2,…,wn}表示標(biāo)簽庫和資源與標(biāo)簽的關(guān)聯(lián)程度。wk由歸一化標(biāo)簽范式來表示標(biāo)簽tk與資源rj的關(guān)聯(lián)程度。wk＝β(rj,tk)/mj，wk值越高，表明標(biāo)簽tk與資源rj關(guān)聯(lián)程度越大。其中mj是用標(biāo)注資源rj的用戶總數(shù)，β(rj,tk)為資源rj被標(biāo)簽tk標(biāo)注的時序化動態(tài)值如下述公式獲得：
其中tlastr-tfirstr為資源rj被標(biāo)簽標(biāo)記的最晚時間與最早時間之差，tnow-time(rj,tk)為當(dāng)前時間與資源rj被標(biāo)簽tk標(biāo)注時間之差。記錄資源所有被標(biāo)簽ti標(biāo)注資源的時序化值并且求和就是資源rj被標(biāo)簽tk標(biāo)注的時序化動態(tài)值。
s2、結(jié)合情感詞典，將情感語義附加在用戶和資源模型，用戶和資源模型按照詞典語義維度得到更新。本發(fā)明采用senticnet4.0情感詞典為例(但不僅限于senticnet4.0)，senticnet4.0詞典包含50000個概念，有5個維度，分別是喜悅、關(guān)注、敏感、傾向和極性。將用戶模型和資源模型與情感詞典進行內(nèi)積運算，這樣就將用戶模型和資源模型映射至情感語義空間，得到的便是帶有情感語義維度的用戶模型和資源模型。
繼續(xù)以上述某用戶ui的興趣模型為例，如果根據(jù)感情詞典映射至語義空間，則根據(jù)感情詞典維度進行如下計算：
在senticnet4.0情感詞典中，action和affectional的語義向量分別是：
action＝(-0.103,0.074,-0.057,0.188,0.034)
affectional＝(0.461,0.674,-0.262,0.247,0.373)
則用戶興趣模型轉(zhuǎn)換成用戶情感語義維度模型：
ui＝(0.137,0.242,-0.099,0.118,0.132)
其中第一個情感維度0.137是由action和affectional的第一個情感維度計算得到的(0.137＝0.186*-0.103+0.339*0.461)。
同理，所有的資源模型轉(zhuǎn)換成資源情感語義維度模型。也包括之后的查詢向量。
s3、采用基于用戶的協(xié)同過濾方法，找到與目標(biāo)(當(dāng)前)用戶ui興趣和目標(biāo)用戶發(fā)起的查詢相似度最高的n個用戶，生成目標(biāo)用戶的鄰域集ci。相似用戶由下述公式獲得：
sim(ui,uh,q)表示用戶ui發(fā)起的查詢時，用戶uh依賴查詢向量q的與目標(biāo)用戶ui相似度值。
其中sim(ui,uh)為目標(biāo)用戶模型與其他用戶(如uh)模型的相似度，由下述公式獲得：
sim(ui,uh)＝sim(ui,uh)+sim(ui*,uh*)
sim(ui,uh)為目標(biāo)用戶與其他用戶的內(nèi)容向量余弦相似度，sim(ui*,uh*)為目標(biāo)用戶與其他用戶的情感語義向量余弦相似度。這樣避免了只考慮用戶之間的情感相似性，又考慮了用戶之間內(nèi)容相似性。
而sim(uh,q)為其他用戶模型(如uh)與查詢向量q的相似度，由下述公式獲得：
sim(uh,q)＝sim(uh,q)+sim(uh*,q*)
sim(uh,q)為其他用戶與查詢的內(nèi)容向量余弦相似度，sim(uh*,q*)為其他用戶與查詢的情感語義向量余弦相似度。同上，這樣避免了只考慮其他用戶與查詢之間的情感相似性，又考慮了其他用戶與查詢之間的內(nèi)容相似性。
通過(ui,uh,q)的計算得到與用戶ui發(fā)起的查詢q時的其余用戶與目標(biāo)用戶ui相似度值，由高到低排序，選出前n個用戶，構(gòu)成當(dāng)前用戶ui發(fā)起的查詢q的鄰域集ci。
s4、若當(dāng)前用戶發(fā)起的查詢內(nèi)容與資源的其中一個標(biāo)簽相匹配，則將該資源作為備選資源，找出所有的備選資源；計算目標(biāo)用戶的查詢與每個備選資源rl的相似度sim(q,rl)，也就是查詢向量與備選資源rl向量的相似度，如下述公式：
sim(q,rl)＝sim(q,rl)+sim(q*,rl*)
sim(q,rl)為查詢向量q與備選資源rl的內(nèi)容向量余弦相似度，sim(q*,rl*)為查詢向量q與備選資源rl的情感語義向量余弦相似度。
s5、計算鄰域集ci中的每一個用戶ui′與備選資源rl的相似度，也就是鄰域集ci中的每一個用戶向量與備選資源rl向量的相似度，如下述公式：
sim(ui′,rl)＝sim(ui′,rl)+sim(ui′*,rl*)
s6、結(jié)合s4和s5步，計算鄰域集ci中的用戶與備選資源rl和當(dāng)前查詢q相似度的均值，如下述公式：
s7、根據(jù)s6步公式，依次計算每一個備選資源與查詢的相關(guān)度值，并按照降序順序排列并輸出。
以上實施例僅為說明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動，均落入本發(fā)明保護范圍之內(nèi)。