随着Web2.0时代的到来,互联网中的各类应用越来越多,用户在网络中的参与度正在逐渐提高,人们所处的网络也正在朝着社会化网络迈进。微博服务就是社会化网络中最为典型的一个应用,它以内容精简、发布方便等特点吸引着越来越多的用户。随着微博用户数量的不断增加,用户在微博平台中生成的内容也呈指数级形式增长。然而,针对微博内容的搜索还是采用传统的集中式检索模式,带来了一定的问题。首先,由于微博数据量庞大,直接搜索全部微博会比较耗时,降低用户的搜索体验;其次,微博主题太多,采用集中式检索有可能造成准确率不高;最后,集中式检索只能使用一种检索模型,而联邦检索可以针对不同数据集提供不同的检索模型,灵活性更强。联邦检索是信息检索的一个重要分支研究领域,它可以分布式地搜索不同的数据集,解决了集中式检索中效率、准确率均不高的问题。联邦检索首先会判断每个数据集和查询词的相关性,然后将查询词送往相关性较大的数据集进行检索,最后将检索结果合并后返回给用户。因为查询的数据集都相对相关,在搜索结果准确率方面比集中式检索相对要高,同时,解决了数据集过于庞大,无法有效检索的问题。基于联邦检索的优势所在,本文提出了一种基于联邦检索思想的微博搜索技术。该技术将联邦检索的思想应用到微博搜索领域,同时考虑到微博文本的特殊性,融入微博作者的权威度因子,使文档排序得分的计算更加精确。在真实微博数据集上的实验结果表明,本文所提出的方法能提高微博搜索的准确率。本文主要做了以下几个方面的工作:(1)开发基于联邦检索思想的微博搜索框架。本文的研究重点是针对微博数据采用联邦检索技术进行信息搜索。为此,首先建立适应微博搜索的联邦数据集,生成每个数据集的数据集描述;然后采用数据集选择方法,根据已经建立好的数据集描述,计算查询词和每个数据集的匹配得分,将数据集按照相关性进行排序,选择若干相关性较大的数据集;接下来将查询词送往被选择的数据集进行搜索;最后,合并不同数据集返回的结果,形成单一搜索结果列表,并返回给用户。(2)提出一种融合微博作者权威的结果合并算法。本文考虑到微博的特点,在前人研究的基础上,提出了一种融合微博作者权威的结果合并方法。实验结果表明,与以往的结果合并方法相比,本文所提出的方法能有效提高搜索结果的准确率。(3)设计基于联邦检索思想的微博搜索系统。在前两章的基础上,设计实现了基于联邦检索思想的微博搜索原型系统。系统主要包括微博索引建立、普通搜索以及联邦检索三大功能模块,最后本文对系统进行了演示。