关于微博溯源的后续问题

1、在进行关键词搜索的时候，如何分词，我们不可能用语料库进行匹配，已没有语料可以学习。

2、关于转折点的寻找。目前我们使用高级搜索，从当前时间往前推，根据搜索到微博的条数变化，确定时间发生具体时间（天），在二分寻找发展时间的具体小时，对此小时的搜索结果按发布时间进行排序。

3、对于相似结果。新浪会将相似结果进行合并，导致搜索结果信息的丢失，我们还木有具体搞清楚他的合并规则，是否需要将所有信息展开。

4、对于微博事件的关键词的演变该如何处理，现在，如从“青山爆炸”到“青山氯气泄漏”到“武钢爆炸”等等，搜索关键词只能得到一组关键词的结果，如何得到后续的关键词，通过词频统计的话，必然会造成噪声点过多，即使不多，一个噪声点就是致命的。因为这可能导致我们的溯源不知道溯到哪里去了。

5、关于新浪博客的搜索BUG不知如何处理。

5、搜狐、腾讯的微博明显比新浪的搓。都没有高级搜索，只能搜到一天，而且他们的搜索算法也貌似有点小问题，具体真多他们如何做，后面再说。