社交网络中智慧搜索的研究综述

《社交网络中智慧搜索的研究综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、社交网络中智慧搜索的研究综述在线社交X络数据具有丰富价值，并蕴含着大量智慧，下面是小编搜集的一篇探究社交X络中智慧搜索应用的论文范文，供大家阅读借鉴。　　1、引言　　在线社交X络是一种在信息X络上由社会个体集合及个体之间的连接关系构成的社会性结构。　　在线社交X络可分为4类：1)即时消息类应用，是一种提供在线实时通信的平台，如、等;2)在线社交类应用，是一种提供在线社交关系的平台，如脸谱X、人人X等;3)微博类应用，是一种提供双向发布短信息的平台，如Tmultiplechannels)，综合、关联多通道、多(不同社

2、交X络)的社交X络数据和信息，进行统一的知识发掘和推演;3)安全可信(securityprivacyandtrust)，在线社交X络搜索结果的安全可信的，并且支持隐私保护;4)智慧解答(intelligentsolution)，搜索的结果是基于在线社交X络数据和信息，经过发掘、推理和计算而得到的一组有序智慧解答。　　2、相关工作　　在线社交X络智慧搜索涉及的相关理论和技术包括：搜索引擎技术、在线社交X络分析、复杂对象关系建模、意图理解与匹配及知识构建与推演等。　　当前的搜索引擎技术主要包括互联X搜索引擎和在线社交X

3、络搜索。主要的互联X搜索引擎包括全文搜索、元搜索引擎和垂直搜索引擎等。在互联X搜索引擎中，为优化搜索结果，通常采用倒排索引技术对X页信息进行索引，并采用排序算法对搜索结果进行等级排名,典型的算法包括PageRank[1]和HITS[2]等;为提高搜索结果的关联性，Google、百度、搜狗等引入知识图谱技术;为实现搜索信息的高效存储管理，各互联X厂商纷纷提出了解决方案，如Google的Bigtable[3],Amazon的Dynamo[4]、Yahoo的PNUTS[5]等。在在线社交X络搜索方面，360推出的我的搜索

4、,引入微博、等社交因素的影响，并在搜索结果中进行展示。脸谱X推出的社会搜索引擎GraphSearch,用户可在社交X络中对好友、照片、地点等进行搜索。微软推出的人立方关系搜索，自动地计算每一个人名与关键词的距离，并可展示人的社会化关系。　　在线社交X络分析为社交X络中知识的获取和推演提供了相应的方法。主要的社交X络分析包括话题发现与演化、虚拟社区发现与演化、信息传播以及影响力分析等。话题发现与演化能有效支撑X络时代的信息决策。代表性工作包括：Blei[6]　　提出的隐含狄利克雷分布的LDA模型、Lin等[7]提出的

5、潜在扩散路径方法、美国马里兰大学研究的词项间共现频率反映语义关联原理的方法[8].虚拟社区发现与演化有助于发现社交X络中的拓扑结构信息。代表性工作包括：Nean等[9]提出的模块性方法、Chakrabarti等[10]提出的社区演化模型、Mucha等[11]提出的多层X络社区发现、Tang等[12]研究的多模态X络社区发现等。社交信息传播机制有助于对社会X络的认识。代表性工作包括：Gruhl等[13]基于SIRS传染病模型、Han等提出的高斯条件随机场模型、Antulov-Fantulin等[14]提出的统计推理框

6、架溯源方法。影响力分析能发现社交X络中高影响力用户和影响强度。代表性工作包括：Ellison等[15]研究了在线社交关系对现实社交关系的群体互动影响;ultiGraph模型[21]等。PropertyGraph在节点和边上可以存在任意数量的键值对表示属性或标签，因而其表达能力很强。RDF用三元组SPO(subject,property,object)来描述实体之间的关系，是当前表示实体以及其关系的一种常见模式。　　MultiGraph模型可在2个实体之间保留多条边以表示多种关系。近来年，许多研究将时空信息融入到复杂

7、对象关系的建模中。微软亚洲研究院分别从用户、地理位置和事件3个层面对基于位置的地理社交X络进行了研究，发现单纯社会X络中个体之间无法表现的关系[22].Shekhar[23]将时空因素考虑到在线社交X络数据分析中，提出一种时间聚集的图模型。　　用户意图理解与匹配是搜索中的关键技术。在用户意图理解方面，adhu等[24]利用语义X工具和技术提供分层模块的方法解决搜索引擎对语义内容的理解。在意图匹配方面，主要包括文本模型和图模型。基于文本模型的意图匹配通过将以关键词查询检索的方式来把用户的意图进行语义转换和目标文档的匹

8、配，并获取相关度排序。基于图模型的意图匹配通过图搜索来实现搜索意图与搜索空间中目标项的查找和匹配，主要包括[25]:关键词图搜索技术、子图匹配技术和近似图匹配技术等。　　知识是实现智慧搜索的关键。当前，知识构建较多地从知识图谱构建角度加以展开，以互联XX页为的典型知识图谱包括Knoulti-graph)等模型方法，通过模型的组合以及扩展等方法，并通过整合现有