2.4.1　社交网络深度学习搜索特征抽取与匹配算法研究动机

传统信息搜索算法框架受制于内容信息索引和匹配机制的运算局限性，在大规模数据信息下的索引机制和匹配运算呈现了低效率的现状。另外，在社交网络内容数据特性的影响下，社交网络内容数据信息呈现了语义稀疏性，直接影响传统信息搜索算法在社交网络内容信息搜索上的效率。本节提出的社交网络深度学习搜索特征抽取与匹配算法（DCNNCSTRS），利用深度学习算法的优势，构建了社交网络内容搜索特征并利用特征对于目标相关的内容进行搜索特征构建和筛选，即利用深度学习算法代替了传统信息搜索的索引机制。

本算法在搜索特征构建和筛选的基础上有效利用了与查询内容不相关内容特征，在配对模式（Pair Wise）特征的机制下进行了社交网络内容匹配，充分发挥了深度学习对内容特征的感知能力，通过有效的运算来提高社交网络内容搜索效率。另外，算法（DCNNCSTRS）从现有算法所忽略的局部语义特征出发来构建搜索特征并进行搜索筛选和匹配，更好地适应了社交网络内容信息固有的数据特性和内容的语义稀疏性。