6.1　引　言

在线社交网络平台已经成为消息广泛传播和共享的载体，同时产生了海量的在线社交网络数据。在线社交网络中以符号“#”表示的话题信息，由于具有对在线社交网络信息进行话题分组的功能而受到广泛的关注。作为在线社交网络消息的高度概括性描述信息，话题标签将相关的在线社交网络信息进行了聚合，通过搜索话题可以使得人们快速全面地获取与话题相关的信息。

现有的在线社交网络话题搜索方法通过在线社交网络中的相似用户或者相似消息构造候选的话题集，利用话题标签出现的频率对话题进行排序，从而实现话题的搜索。然而，仅仅使用话题标签的频率对话题进行排序的方法忽略了话题标签的语义信息，话题搜索准确率有待提升。如何构造更为精准的候选话题集值得深入研究。与查询语句具有语义相似性的在线社交网络消息中存在的话题标签以及在线社交网络中与查询用户具有相似偏好的用户所使用的话题标签，都有可能是用户想要搜索的话题。如何查找到在线社交网络中的相似消息和相似用户，从而构造更为准确的候选话题集需要进一步研究。为了实现精准的在线社交网络话题搜索，我们提出了一种基于语义学习的在线社交网络话题搜索算法（STS）。