基于文本概念化的观点检索方法

刘德元,魏晶晶,吴运兵,廖祥文*

(1.福州大学 数学与计算机科学学院,福建 福州 350116;2.福建省网络计算与智能信息处理重点实验室(福州大学),福建 福州 350116;3.福建江夏学院 电子信息科学学院,福建 福州 350108)

0 引言

随着互联网的迅猛发展,网络中涌现了大量的论坛、博客等社交媒体,吸引大量用户在这些社交媒体上分享他们关于政治、产品、公司、事件的观点。观点检索旨在从社交媒体等文档集中检索出与查询主题相关并且表达用户观点(赞同或反对)的文档,是自然语言处理领域里的一项重要课题[1-2]。

目前,观点检索研究大体上可以分为三类。第一类观点检索方法是两阶段模型,首先利用传统的信息检索模型获得与查询相关的候选相关文档,然后将候选相关文档根据观点得分进行重排序。例如,Zhang等[3]首先利用信息检索模型(BM25)和查询扩展技术找出主题相关的文档,接着用支持向量机(SVMs)分类器对主题相关文档进行观点分类并重排序。Santos等[4]首先利用两种现有方法找出观点语句,接着将查询与观点语句的邻近关系融入DFR(Divergence From Randomness)邻近关系模型中,最终得到文档的观点检索评分。Wang等[5]把重点放在观点分类方面,通过整合推文、Hashtag间的共现关系等特征,采用三种图模型的分类算法进行观点分类。两阶段模型结构简单,容易理解,但是缺乏合理的理论解释。

第二类方式将主题相关度与观点结合起来的统一检索模型。该模型借助当前信息检索和观点挖掘领域的最新模型,直接挖掘描述主题的观点对文档进行排序。……