學(xué)術(shù)期刊APP應(yīng)用中交互式檢索的情景設(shè)計與技術(shù)實現(xiàn)*

徐彤陽 鄧穎慧

（1.山西財經(jīng)大學(xué)信息管理學(xué)院，太原 030006；2.中國科學(xué)院文獻情報中心，北京 100190）

約翰·麥卡錫在1956年第一次將人工智能（Artificial Intelligence，AI）引入學(xué)術(shù)研究領(lǐng)域，AI被看作21世紀繼基因工程和納米科學(xué)之后出現(xiàn)的第三大尖端科技，尤其AlphaGo的出現(xiàn)，更是使得AI成為熱點話題，許多國家將AI技術(shù)發(fā)展列入國家戰(zhàn)略規(guī)劃[1]。隨著寬帶網(wǎng)絡(luò)提速、上網(wǎng)資費降低以及移動智能終端功能的日益完善，手機上網(wǎng)呈現(xiàn)常態(tài)化。越來越多的用戶使用智能手機設(shè)備來檢索、加工和處理信息，打破了信息傳播的時空及地域限制，為移動化信息獲取、利用和共享創(chuàng)造了便利條件，且用戶也經(jīng)逐步養(yǎng)成利用碎片化時間快速獲取信息的閱讀習(xí)慣。海量的移動應(yīng)用（Application，APP）逐漸成為互聯(lián)網(wǎng)連接多媒體信息的觸點[2]，同時也將其發(fā)展與信息科學(xué)技術(shù)緊密關(guān)聯(lián)，AI技術(shù)的快速發(fā)展將會給移動應(yīng)用帶來巨大的影響，如何將AI與學(xué)術(shù)期刊自身特點相融合，顯得尤為重要。

學(xué)術(shù)期刊作為期刊論文和科研成果發(fā)布與交流的平臺，向讀者提供了權(quán)威的信息資源，為學(xué)術(shù)資源的傳播提供方便快捷的傳播途徑和清晰明了的表現(xiàn)形式[3]。學(xué)術(shù)期刊APP作為傳統(tǒng)的學(xué)術(shù)期刊延伸到移動終端而創(chuàng)辦的一種新的大眾媒體，在智能手機上提供文獻檢索、過刊瀏覽、論文下載及信息訂閱等服務(wù)，以滿足用戶快速獲取相關(guān)文獻與學(xué)術(shù)信息的需求，促使知識成果的轉(zhuǎn)化，且可快速傳播相關(guān)研究領(lǐng)域的發(fā)展前沿動態(tài)，促進相關(guān)學(xué)科的發(fā)展[4]，提升學(xué)術(shù)期刊的服務(wù)水平，擴大學(xué)科領(lǐng)域的影響范圍。

雖然國內(nèi)學(xué)術(shù)期刊APP在近幾年有了突飛猛進的發(fā)展，但相對于國外學(xué)術(shù)期刊APP而言，我國學(xué)術(shù)期刊APP應(yīng)用仍顯得相對匱乏。目前國內(nèi)學(xué)術(shù)期刊APP主要存在以下問題：①移動應(yīng)用雖然對相關(guān)數(shù)據(jù)進行了一些處理（包括文本分類、添加標簽等操作），但由于文獻總體數(shù)量較大，分類粒度較粗，導(dǎo)致用戶難以快速定位所需信息[5]；②學(xué)術(shù)期刊APP大多使用的是基于關(guān)鍵詞匹配的簡單文本檢索，運用傳統(tǒng)的布爾邏輯檢索和空間向量檢索，根據(jù)文檔表示與相似度算法的匹配程度反饋檢索結(jié)果，未充分考慮用戶與系統(tǒng)的交互，當用戶無法完整且明確地表達檢索需求時，其檢索結(jié)果無法滿足用戶需求。

本文針對國內(nèi)學(xué)術(shù)期刊檢索效率低、交互性差等缺點提出了一種智能交互式檢索模型，該模型檢索界面簡潔明了，方便用戶進行檢索操作，并將用戶的檢索體驗放在首位，著重分析研究用戶需求、用戶偏好、用戶差異分析以及檢索習(xí)慣等方面內(nèi)容，增加用戶、系統(tǒng)或?qū)W術(shù)資源提供者之間的及時互動和反饋操作，提高用戶的參與度，增強學(xué)術(shù)期刊檢索的簡便性、易用性以及快捷性。通過實驗發(fā)現(xiàn)智能交互式檢索模型可有效提高檢索效率，為APP用戶提供更準確全面的學(xué)術(shù)信息資源。

1 交互式檢索相關(guān)技術(shù)研究

信息檢索主要經(jīng)歷了基于關(guān)鍵詞、基于內(nèi)容和基于用戶交互的三個階段，研究人員逐漸將注意力從文本數(shù)據(jù)的底層特征信息轉(zhuǎn)向理解主題或接受者意圖上。交互式檢索是指用戶由于自身學(xué)科知識和表達能力的限制，出現(xiàn)不能準確表達自身查詢意圖的情況，檢索系統(tǒng)根據(jù)構(gòu)建查詢式、查詢式擴展和相關(guān)反饋等技術(shù)和方式與用戶進行實時的信息交互，系統(tǒng)根據(jù)用戶提供的反饋信息不斷修正查詢式，逐漸接近用戶真實的檢索意圖，為用戶提供更為準確合理的檢索結(jié)果[6]。

目前，交互式檢索在多語言/跨語言信息檢索中的應(yīng)用較為廣泛，相較于面向系統(tǒng)的信息檢索，交互式檢索的優(yōu)勢在于可根據(jù)相關(guān)反饋、查詢式構(gòu)造和查詢結(jié)果優(yōu)化等技術(shù)實現(xiàn)用戶對檢索的參與和控制，關(guān)注用戶在檢索過程中產(chǎn)生的反饋信息，增強用戶和檢索系統(tǒng)的交互性，進而提高檢索準確率和用戶體驗滿意度。多語言/跨語言信息檢索是通過構(gòu)建一種或多種語言的查詢條件，從多語種信息的信息集合中檢索出所需語種信息，建立用戶與檢索系統(tǒng)間的有機聯(lián)系完成檢索任務(wù)的一種信息檢索模式。

國內(nèi)外多位學(xué)者對交互式信息檢索在多語言/跨語言方面做出了相關(guān)研究。吳丹[7]針對跨語言信息檢索普遍存在的查詢翻譯歧義性問題，提出了一個英漢交互式跨語言信息檢索系統(tǒng)，消除不同語言間的翻譯歧義，將翻譯優(yōu)化和查詢擴展等功能應(yīng)用在檢索系統(tǒng)中，可明顯提高檢索效果。朱榕等[8]針對數(shù)字圖書館中信息的查全率和查準率較低等問題，提出將語言自動處理技術(shù)和智能交互信息檢索技術(shù)進行有機結(jié)合，加強和改善檢索結(jié)果的質(zhì)量和效率。Salim等[9]旨在識別和分析相關(guān)語言本體，以加強精確詞匯表的使用，實現(xiàn)通過多語言搜索門戶同時檢索不同語言的檢索功能。Ruecker等[10]利用多語言敘詞表的語義豐富性，實現(xiàn)搜索、瀏覽導(dǎo)航和結(jié)果顯示功能，為不同用戶提供多樣化的檢索結(jié)果展示界面。

查詢式的構(gòu)造、推薦和擴展以及相關(guān)反饋技術(shù)是交互式檢索發(fā)展的關(guān)鍵。吳丹等[11]采用系統(tǒng)日志挖掘法，考察了查詢式關(guān)聯(lián)性、查詢重構(gòu)模式等方面內(nèi)容，實現(xiàn)通過查詢推薦功能和高級檢索功能等來提高檢全率和檢準率。劉暢等[12]通過對國內(nèi)外相關(guān)文獻的梳理，從查詢式的構(gòu)建和重構(gòu)以及質(zhì)量和效果評估等方面進行分析和總結(jié)概括，提出未來可加入語義信息來更深入地理解查詢式的內(nèi)涵。Yoo等[13]針對文檔檢索效率低等問題，提出基于偽相關(guān)反饋（Pseudo Relevance Feedback，PRF）的查詢擴展技術(shù)，可有效提高檢索的查準率和查全率。Almasri等[14]提出利用深度學(xué)習(xí)實現(xiàn)自動查詢擴展，用于從含有數(shù)十億個單詞的大量非結(jié)構(gòu)化文本中學(xué)習(xí)高質(zhì)量的詞匯向量表示方法，提高文本檢索性能。Liu等[15]采用PRF算法，提出一種創(chuàng)新的PRF排序方法，將用戶相關(guān)反饋與檢索結(jié)果相聯(lián)系。

隨著AI技術(shù)突飛猛進的發(fā)展，交互式檢索智能化程度較低等問題日益凸顯?？山柚疃葘W(xué)習(xí)技術(shù)，使交互式檢索系統(tǒng)能夠進行自我學(xué)習(xí)、調(diào)整和優(yōu)化，使其更好地與數(shù)據(jù)庫進行對接和信息交互，處理異構(gòu)化、非結(jié)構(gòu)化和多樣化的海量數(shù)據(jù)。充分考慮用戶的差別性，根據(jù)不同用戶的檢索喜好和需求，為其提供個性化信息服務(wù)，將用戶情感融入檢索過程。實現(xiàn)一種友好的人機交互檢索模式，提高檢索系統(tǒng)甄別用戶檢索意圖的能力和檢索的精確度，是交互式檢索發(fā)展的趨勢。

2 智能交互式檢索模型構(gòu)建

APP用戶在進行智能交互式檢索過程中，首先需登錄學(xué)術(shù)期刊APP界面，在進行檢索操作前，用戶需構(gòu)造查詢式，學(xué)術(shù)期刊檢索系統(tǒng)根據(jù)用戶提交查詢式的內(nèi)容和期刊論文的頭部信息進行特征提取，構(gòu)建特征集合，通過用戶特征集合與期刊數(shù)據(jù)庫中的文檔進行查詢匹配，輸出中間結(jié)果。若當前結(jié)果滿足用戶需求，則將檢索結(jié)果返回給用戶。如果返回結(jié)果不滿足用戶需求，檢索系統(tǒng)將利用深度學(xué)習(xí)和相關(guān)反饋技術(shù)，進一步挖掘用戶的信息需求來修正查詢式，再次學(xué)習(xí)期刊論文深層內(nèi)容特征，改變檢索策略，過濾不相關(guān)信息，為下一次檢索提供保障。檢索系統(tǒng)通過對期刊論文內(nèi)容特征和用戶檢索需求的深度挖掘，使檢索結(jié)果逐漸接近用戶真實的檢索需求，從而實現(xiàn)學(xué)術(shù)信息資源的智能檢索。智能交互式檢索模型充分考慮用戶的檢索體驗，為用戶和學(xué)術(shù)期刊檢索系統(tǒng)建立一種智能交互平臺，可有效提高檢索效率。智能交互式檢索模型如圖1所示。

圖1 智能交互式檢索模型

2.1 用戶檢索界面模塊

該模塊的主要任務(wù)是學(xué)術(shù)期刊APP用戶進行構(gòu)造查詢式操作，包括用戶設(shè)計、構(gòu)建、確定和輸入查詢式的全過程。但用戶在構(gòu)造查詢式時，大多取決于對檢索內(nèi)容的認知程度且普遍青睞于構(gòu)建簡潔的查詢式[16]，多采用關(guān)鍵詞間的搭配，因而導(dǎo)致檢索結(jié)果不準確，傳統(tǒng)的檢索方式需不斷調(diào)整查詢式進行二次檢索操作。本文采用互信息值指標考察關(guān)鍵詞的內(nèi)在關(guān)聯(lián)性。用戶可根據(jù)自身對檢索內(nèi)容的相關(guān)性判斷，列出關(guān)鍵詞構(gòu)造查詢式。智能交互式檢索系統(tǒng)通過分析用戶提交查詢式的長度、內(nèi)容和特征學(xué)習(xí)用戶的檢索行為偏好，優(yōu)勢在于用戶可以隨時進行查詢式重構(gòu)操作，得到top-ranked文檔信息，選擇符合檢索需求的關(guān)鍵詞重新構(gòu)造查詢式。關(guān)鍵詞在構(gòu)造查詢式中扮演重要的角色[17]，簡單的關(guān)鍵詞搭配已不能滿足檢索的需要，深度挖掘其間內(nèi)在聯(lián)系，構(gòu)建符合檢索用戶需求的查詢式成為智能交互式檢索的關(guān)鍵所在。

2.2 查詢模塊

2.2.1 特征提取

特征提取操作能夠表征期刊論文內(nèi)容的主要特征，是實現(xiàn)特征集合和查詢匹配的前提條件。本文擬以期刊論文中出現(xiàn)的頭部信息（包括標題、摘要和關(guān)鍵詞等文本信息）作為內(nèi)容特征，提取到的特征越能夠表達期刊論文的內(nèi)容，查詢匹配的效果也將越好。因此，選擇有效的內(nèi)容特征是實現(xiàn)查詢匹配的關(guān)鍵。本文采用基于概念特征的特征提取方法，先對期刊論文中的頭部信息進行分詞，形成詞語集合；然后進行數(shù)據(jù)清洗操作，即去除停用詞等無意義詞匯；在向量空間模型（Vector Space Model）的基礎(chǔ)上對清洗后的數(shù)據(jù)進行語義分析，將具有相同語義的詞匯聚類，形成特征集合。降低文獻處理的計算量，方便進行查詢匹配操作。

2.2.2 查詢匹配

在查詢匹配階段，對于任意一篇期刊論文，如果其中包含提取到的某特征詞匯，則在該特征上記為“1”，若不包含提取的特征詞匯則記為“0”。但在實際的查詢匹配處理過程中，常出現(xiàn)空結(jié)果查詢和多結(jié)果查詢。即當用提交的查詢式過于嚴格時，檢索的結(jié)果可能為空；當用戶提交的查詢式過于寬松時，檢索的結(jié)果又會出現(xiàn)多種組合。在這兩種情況下，查詢匹配操作可以根據(jù)特征標記結(jié)果自動選擇排序檢索結(jié)果，將最鄰近用戶檢索需求的查詢結(jié)果返回給用戶，得到最優(yōu)的查詢匹配結(jié)果。

2.3 驗證結(jié)果模塊

驗證結(jié)果模塊功能實現(xiàn)的是用戶主動參與的人機交互機制，主要是驗證用戶第一次構(gòu)造的查詢式是否可以得到滿意的檢索結(jié)果。當系統(tǒng)返回給用戶中間結(jié)果后，通過用戶交互來判斷文獻是否相關(guān)，如果對檢索結(jié)果不滿意，檢索系統(tǒng)通過交互方式引導(dǎo)用戶，結(jié)合深度學(xué)習(xí)和相關(guān)反饋技術(shù)修正和優(yōu)化查詢式并進行新一輪的檢索。由于檢索算法是既定的，檢索效率的高低主要取決于用戶構(gòu)造的查詢式，若用戶輸入的查詢式不能有效命中檢索目標，會大幅降低用戶的檢索滿意度。智能交互式檢索系統(tǒng)將根據(jù)用戶第一次提交的查詢式和檢索結(jié)果，準確預(yù)測數(shù)據(jù)，優(yōu)化查詢式，得出更符合用戶檢索需求的集合。

2.4 查詢優(yōu)化模塊

查詢優(yōu)化模塊是整個智能交互式檢索的關(guān)鍵，直接影響學(xué)術(shù)期刊APP檢索的效果。在查詢優(yōu)化過程中，如果第一次查詢結(jié)果未能滿足用戶的檢索需求，系統(tǒng)將在深度學(xué)習(xí)計算基礎(chǔ)上再次識別用戶的需求，挖掘期刊論文潛在的特征信息，細化用戶的興趣偏好[18]，并將相關(guān)信息及時反饋給用戶，對用戶第一次提交的查詢式進行優(yōu)化。查詢優(yōu)化過程結(jié)合用戶需求和期刊論文的特征信息，對原有查詢式進行修改優(yōu)化，再次進行檢索操作，直到檢索出用戶滿意的檢索結(jié)果為止[19]。

2.4.1 深度學(xué)習(xí)

深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支，源于人工神經(jīng)網(wǎng)絡(luò)，可通過組合底層特征形成更高層的屬性特征，改善非結(jié)構(gòu)化學(xué)術(shù)期刊論文數(shù)據(jù)特征表示，從學(xué)術(shù)期刊數(shù)據(jù)中挖掘出更多的潛在特征。深度學(xué)習(xí)在某些方面與人類大腦學(xué)習(xí)機制非常相似，可通過模擬人腦對文本數(shù)據(jù)進行解釋和分析，不再單純依賴人工提取數(shù)據(jù)的文本特征，深度學(xué)習(xí)可以嘗試主動學(xué)習(xí)并自動完成文本特征提取操作，甚至還可以處理更加復(fù)雜的數(shù)據(jù)。如在文本特征提取操作中，深度學(xué)習(xí)可以挖掘出文本的底層特征（單純和詞組）、中間特征（短語和句子）以及高層特征（段落和文章），最終模擬人腦對文本信息進行語義理解，為檢索模型的查詢匹配提供前提保障。

本文利用卷積神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練深度學(xué)習(xí)文本類別標注器，對期刊論文信息進行特征標注。首先是卷積層，包括低層次的卷積層和高層次的卷積層，低層次的卷積層提取字、詞和句子等，高層次的卷積層可以提取段落、章節(jié)和語義特征等，層次越高提取到的特征越抽象且越準確；其次是池化層，把具有相同或相似語義特征合并起來，提取到更精準的特征；最后是全連接層，將以上操作得到全部特征進行匯總，對期刊論文信息分類。雖存在耗時長、工作量大等問題，但在很大程度上提升了特征標注的準確率。

此外，深度學(xué)習(xí)在用戶檢索需求表達方面也發(fā)揮著重要作用。深度學(xué)習(xí)技術(shù)可以根據(jù)用戶提交的查詢示例、瀏覽記錄等信息來確定用戶檢索需求，生成個性化的檢索詞。當用戶在智能交互式檢索平臺輸入檢索詞時，系統(tǒng)會根據(jù)用戶之前的瀏覽記錄自動推薦檢索詞，用戶只需根據(jù)自身需求選擇查詢詞進行檢索即可。當用戶提交檢索詞得出相關(guān)檢索信息后，深度學(xué)習(xí)會為用戶篩選出最符合用戶需求的檢索結(jié)果。用戶可以不再受自身學(xué)科知識的限制，根據(jù)深度學(xué)習(xí)提供的檢索詞，在最短的時間內(nèi)找到所需的期刊論文信息。

2.4.2 相關(guān)反饋

采用相關(guān)反饋技術(shù)可以減少在獲取用戶查詢需求時產(chǎn)生的負面影響，減輕用戶負擔(dān)，通過用戶交互來提高檢索效率。由于信息檢索有“以用戶為中心”的服務(wù)宗旨，因此用戶交互是跨媒體檢索中很重要的一個環(huán)節(jié)。相關(guān)反饋技術(shù)的具體過程：當系統(tǒng)將檢索結(jié)果返回給用戶后，用戶根據(jù)主觀判斷檢索結(jié)果是否符合預(yù)期效果，若不符合可再次提交查詢示例和反饋信息，檢索系統(tǒng)根據(jù)反饋信息對查詢示例進行二次檢索。

本文采用的相關(guān)反饋算法是經(jīng)典的Rocchio算法[20]，計算方法見公式（1）。將所有文檔和查詢式都表示成特征詞權(quán)值向量，應(yīng)用在空間向量模型中。在進行相關(guān)反饋操作時，通常將第一次檢索得到的排序靠前的N項檢索結(jié)果作為相關(guān)文檔。

設(shè)Q0原始檢索向量，Qnew是新的檢索向量，Dr和Dnr分別代表相關(guān)和不相關(guān)文檔集合，N和n分別表示檢索得到的全部和相關(guān)文檔的數(shù)量，N-n則表示不相關(guān)文檔的數(shù)量。Di代表相關(guān)文檔的特征詞權(quán)值向量，Dj代表不相關(guān)文檔的特征詞權(quán)值向量。其中α、β和γ是可以調(diào)整的常量參數(shù)，有些系統(tǒng)為計算方便，常將α、β和γ的值設(shè)為1?？筛鶕?jù)實際情況對系統(tǒng)變量進行調(diào)整，以獲得最佳反饋效果。

3 仿真實驗與分析

實驗數(shù)據(jù)來自中國知網(wǎng)網(wǎng)站上下載的中文期刊數(shù)據(jù)集，由于學(xué)術(shù)期刊論文的關(guān)鍵詞較明確，所以能獲得比較清晰的結(jié)果。選定10類相關(guān)主題進行對比實驗，它們分別是圖書館、學(xué)校圖書館、高校圖書館、公共圖書館、互聯(lián)網(wǎng)+圖書館、圖書館服務(wù)、圖書館學(xué)、信息服務(wù)、讀者服務(wù)、閱讀推廣。下載獲取每類主題中的900篇期刊論文作為該類的數(shù)據(jù)樣本，共得到9 000篇期刊論文文檔的實驗數(shù)據(jù)集并存儲于期刊數(shù)據(jù)庫中，將提取到的頭部信息（包括標題、摘要和關(guān)鍵詞等文本信息）作為內(nèi)容特征存放在特征庫。其中7 500條作為訓(xùn)練樣本，剩余的1 500條為測試樣本。

3.1 實驗評價標準

在比較查詢性能時采用標準的查全率R、查準率P來評價實驗結(jié)果。查準率表明返回結(jié)果的正確性，查全率表明返回結(jié)果的完備性，兩者之間相互制約，其定義為：查全率R即檢索到的正確文檔數(shù)與所有相似文檔數(shù)的百分比；查準率P即檢索到的正確文檔數(shù)與檢索到的相似文檔數(shù)的百分比。

3.2 實驗結(jié)果及分析

本實驗采用對比實驗法，分別對收集到的測試樣本進行兩組實驗，一組是普通的關(guān)鍵詞檢索，另一組是智能交互式檢索，共進行5次迭代，將查準率和查全率作為主要性能評價指標，得到兩組實驗結(jié)果（見表1）。兩種檢索方式的查全率對比見圖1，查準率對比見圖2。

實驗對比發(fā)現(xiàn)，兩種檢索方式的查全率會隨著查準率的升高而降低。智能交互式檢索的查準率較高，其原因是智能交互式信息檢索采用了深度學(xué)習(xí)技術(shù)，在查詢式重構(gòu)后的第二階段檢索過程中，能夠使檢索式信息更加準確且全面，可有效提高檢索效率。而基于關(guān)鍵詞的檢索方式，用戶對信息的描述都是自然語言的詞語，文檔與查詢的關(guān)聯(lián)程度取決于用戶自身的經(jīng)驗知識和理解能力，且在檢索過程中需要用戶的實時參與，篩選和重新定義關(guān)鍵詞，增加了檢索系統(tǒng)的時間開銷，檢索效率難以滿足用戶的需求。

表1 兩種檢索方式檢索結(jié)果 %

圖1 兩種檢索方式查全率對比

圖2 兩種檢索方式查準率對比

4 發(fā)展趨勢與展望

近年來，國內(nèi)外交互式檢索的發(fā)展非常迅速，但在學(xué)術(shù)期刊APP領(lǐng)域仍處于發(fā)展階段，通過研究發(fā)現(xiàn)未來的發(fā)展趨勢可能側(cè)重于以下3點。

（1）交互式檢索過程中的用戶體驗。今后交互式檢索研究將更多地引入心理學(xué)方法，準確分析用戶檢索行為，為其提供更智能的、全面的檢索結(jié)果，開拓更人性化的檢索界面，提高用戶使用滿意度。檢索系統(tǒng)評價方式不再局限于查全率和查準率，成功的交互式檢索系統(tǒng)須考慮用戶的參與度，實現(xiàn)用戶和檢索系統(tǒng)的有機聯(lián)系。

（2）將多媒體技術(shù)引入學(xué)術(shù)期刊APP中。隨著時代的發(fā)展以及用戶日益增長的檢索需求，學(xué)術(shù)期刊APP會逐漸將文本、圖像、音頻和視頻等多媒體內(nèi)容引入APP中，為用戶提供更加多元化的信息資源，支持學(xué)科發(fā)展和個人學(xué)術(shù)研究。如VR/AR技術(shù)可使得用戶的視覺和聽覺感官體驗更加立體化。

（3）語義信息被廣泛應(yīng)用于檢索系統(tǒng)中。要想從海量數(shù)據(jù)中快速獲取符合用戶需求的信息，需要挖掘數(shù)據(jù)的高層語義特征，揭示知識之間的區(qū)別和聯(lián)系，形成統(tǒng)一的資源群體，提高系統(tǒng)的檢索性能。

5 結(jié)論

從國內(nèi)的情況來看，盡管互聯(lián)網(wǎng)技術(shù)在學(xué)術(shù)期刊APP中的應(yīng)用不斷豐富，但隨著海量數(shù)據(jù)的產(chǎn)生，單一檢索已不能滿足用戶對學(xué)術(shù)信息的準確檢索要求。針對這一問題，本文提出了一種智能交互式檢索模型，將用戶的檢索體驗放在首位，實現(xiàn)系統(tǒng)、用戶和學(xué)術(shù)信息資源的實時交互及反饋，提高用戶在檢索系統(tǒng)中的參與度。通過實驗發(fā)現(xiàn)智能交互式檢索模型可有效提高檢索效率，為APP用戶提供更準確全面的學(xué)術(shù)信息資源。下一階段我們將對檢索模型和相關(guān)算法進一步深入研究，以期提高智能交互式檢索系統(tǒng)的性能。