新浪微博是中文社交圈里使用非常广泛的一个平台,每天都有大量的人使用新浪微博,搜索自己感兴趣的微博,但是有时候人们搜索的意图和返回的微博所表达的意图却不一样,在移动互联网时代,搜索引擎占据了用户日常上网中的许多时间,对人们的影响很大,因此如何正确识别用户的搜索意图,使用户获得更好的搜索结果是一个非常重要的问题。微博搜索话题词用户意图识别任务本质上属于短文本分类任务,短文本分类任务的难点在于短文本无法提供足够的信息,加上短文本存在多歧义的特点,所以要找出短文本真正所属的类别就变得十分困难。本文设计的微博搜索话题词用户意图识别系统针对短文本信息量的不足的问题设计搜索词扩展方案,针对短文本搜索存在多歧义的难点使用主题模型从用户的搜索日志中发掘用户的个性偏好并融入到用户的搜索中,结合基于神经网络的文本分类算法进行用户搜索意图识别,设计了能够提高微博搜索话题词用户意图识别准确率的系统,本系统采用Python编程语言,使用了模块化设计方案,本系统主要包括文本预处理模块、搜索文本扩展模块、主题模型生成模块、用户搜索个性化表征生成模块、用户搜索意图识别模块五大功能模块。作者独立设计并实现了这五个模块:(1)文本预处理模块:包括训练数据的加载、文本分词、文本去噪、词向量的训练与保存等功能。(2)主题模型生成模块:包括LDA(Latent Dirichlet Allocation)主题模型的训练、LDA模型的比较与保存、用户搜索日志主题分布生成等功能。(3)搜索文本扩展模块:包括局部敏感哈希表的建立、扩展候选词选取、扩展候选词过滤等功能。(4)用户搜索个性化表征生成模块:包括向量化LDA模型的主题、压缩法用户搜索个性化表征生成、展开法用户搜索个性化表征生成等功能。(5)用户搜索意图识别模块:包括用户搜索意图识别模型的训练和保存、用户搜索意图识别等功能。系统测试结果表明本文设计的微博搜索话题词用户意图识别系统使得用户搜索意图被识别的准确度从一开始的74%提升到了85.4%,达到了系统设计的预期效果。