微博是一种互联网社交平台,它通过用户之间相互关注的机制实现信息共享,以传播快、时新性强、内容碎片化等特点得到广大网络用户的青睐,并被大众广泛应用,对人们的社交、信息的传播产生了很重要的影响。庞大的用户群和巨大的信息量使微博成为一个极其重要的实时信息源,许多重要热点事件都是由微博首先报道的。微博搜索用户更倾向搜索近期受关注的热点话题,或自己比较喜欢的话题,为了帮助用户从动态更新的、海量的微博数据中准确获取感兴趣的热点话题内容,开展微博话题搜索技术的研究迫在眉睫。目前微博搜索主要是基于关键词匹配的索引,没有从语义角度分析用户的检索意图,搜索结果不能很好地满足用户期望,因此本文提出一种基于语义分析的微博话题搜索算法,研究内容主要包括:首先,针对仅使用余弦相似度无法准确度量文本内在语义的相关性问题,本文融合基于《知网》的语义相似度以及KL距离两种方法的优点,提出组合相似度计算方法,以便精确度量微博文档相关性,为后续话题搜索提供基础。其次,为解决检索词项短小无法推测用户索引意图的问题,本文使用作者主题模型对用户历史微博数据建模,建立用户兴趣特征词库,综合用户兴趣特征词库和《同义词词林》提出双层语义查询扩展方法,使扩展后的查询词项相对更契合用户检索的本意。然后,为聚集同类话题的微博文,实现更高效的话题搜索,本文在主题模型的基础上综合考虑微博文信息结构特征,提出微博话题挖掘模型,实现基于潜在语义分析的微博主题挖掘、以及子话题识别任务;最后,具体研究了一种微博话题搜索算法,该算法利用扩展后的查询文档与各个微博主题做相关性分析,筛选出相关主题后,与相关主题下各子话题做进一步分析,最终综合考虑查询文档与微博文的相关性、微博文的发表时间、微博文的热度返回检索结果。使用新浪微博数据集设计并实现实验,实验结果表明本文提出的微博话题搜索算法的正确率和召回率相比传统搜索方法都有一定程度的提高,具有一定有效性和可行性,更加适用于微博话题搜索。