基于技術(shù)特征的科技查新文獻(xiàn)檢索策略思考

（遼寧省重大技術(shù)裝備戰(zhàn)略基地建設(shè)工程中心，遼寧 沈陽 110000）

0 引言

科技查新是通過手工檢索和計(jì)算機(jī)檢索等手段，針對科研立項(xiàng)和科研成果的實(shí)用性和新穎性，進(jìn)行文獻(xiàn)查證，因此，采取周全靈活的檢索策略，獲得合理的檢索資源，具有重要的現(xiàn)實(shí)意義。國外文獻(xiàn)檢索策略研究主要應(yīng)用數(shù)據(jù)語義，利用語義Web語言描述在線文檔，利用語義Web文檔和知識概念，在計(jì)算機(jī)領(lǐng)域內(nèi)實(shí)現(xiàn)檢索測試，對文獻(xiàn)的同義詞擴(kuò)展、外延擴(kuò)展、語義蘊(yùn)涵進(jìn)行檢索，聚類檢索結(jié)果，縮減用戶關(guān)心的檢索范圍，得到專門針對科技查新的文獻(xiàn)。國內(nèi)檢索策略研究利用文獻(xiàn)計(jì)量的方法，排序文獻(xiàn)的相對影響度，按照文獻(xiàn)與用戶搜索關(guān)鍵字的相關(guān)程度，按照線性方式返回引擎搜索結(jié)果，采用協(xié)同過濾的方式，計(jì)算檢索文獻(xiàn)的相似度，利用分層概念樹的方式，根據(jù)待審文獻(xiàn)的摘要內(nèi)容，從而表示出作者模型和文獻(xiàn)內(nèi)容，對該作者已經(jīng)發(fā)表的文獻(xiàn)進(jìn)行推薦，進(jìn)而構(gòu)建文獻(xiàn)檢索的語言模型[1]。

1 基于技術(shù)特征的科技查新文獻(xiàn)檢索策略設(shè)計(jì)

1.1 構(gòu)建科技查新文獻(xiàn)檢索庫

通過去重和篩選兩項(xiàng)操作，對文獻(xiàn)進(jìn)行整理，構(gòu)建文獻(xiàn)檢索庫。首先將中國知網(wǎng)和萬方數(shù)據(jù)庫作為主要文獻(xiàn)來源，設(shè)置寬泛的檢索詞，下載知網(wǎng)和萬方數(shù)據(jù)庫中，所有相關(guān)學(xué)術(shù)文獻(xiàn)及其題錄信息[2]。其次進(jìn)行去重操作，控制下載文獻(xiàn)僅包括pdf和caj兩種文件格式，利用去重軟件對文獻(xiàn)進(jìn)行查重，去重處理資源總庫的下載文獻(xiàn)。去重處理完畢后，篩選冗余文獻(xiàn)信息。最后還要對檢索數(shù)據(jù)庫進(jìn)行填充，補(bǔ)檢相應(yīng)的專業(yè)性數(shù)據(jù)庫，補(bǔ)充具有權(quán)威性的館藏文獻(xiàn)，當(dāng)科技查新涉及生產(chǎn)工藝與性能參數(shù)時(shí)，利用Google搜索引擎，對產(chǎn)品的網(wǎng)上信息進(jìn)行補(bǔ)查，確保文獻(xiàn)數(shù)據(jù)的充實(shí)性[3]。

1.2 基于技術(shù)特征構(gòu)建文獻(xiàn)知識圖譜

首先利用技術(shù)特征對知識網(wǎng)絡(luò)體系中不同關(guān)系，進(jìn)行明確描述，構(gòu)建文獻(xiàn)信息語義網(wǎng)絡(luò)，其中技術(shù)特征的知識描述關(guān)系，從中選取屬性-宿主關(guān)系、上下位關(guān)系、以及相關(guān)關(guān)系這3種語義關(guān)系。首先利用屬性-宿主關(guān)系，構(gòu)建文獻(xiàn)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，通過某一個(gè)相同的屬性值）屬性信息包括作者、關(guān)鍵詞、年份等），從而使網(wǎng)絡(luò)結(jié)構(gòu)無限拓展下去，具體如下圖所示：

如上圖所示，各個(gè)檢索詞之間的層級關(guān)系，按照由大到小的分類級別，對主題詞所屬分類進(jìn)行排列，從而構(gòu)成語義標(biāo)簽的上下位關(guān)系。利用權(quán)值大小進(jìn)行排序，公式為：

其中，w為檢索詞的權(quán)重值，q為檢索詞的一個(gè)語素，d為一個(gè)搜索結(jié)果文檔，R（q，d）為語素與文檔的相關(guān)系數(shù)，β為每次計(jì)算過程中，檢索詞跳到初始權(quán)值不為0的源頂點(diǎn)概率[4]。確定文獻(xiàn)檢索的關(guān)鍵詞，對查新點(diǎn)進(jìn)行復(fù)核，對檢索用詞的全稱、縮寫及簡稱進(jìn)行深入分析，對英文選詞進(jìn)行擴(kuò)展，補(bǔ)充英文文獻(xiàn)的關(guān)鍵詞。將檢索關(guān)鍵詞作為鏈接節(jié)點(diǎn)，構(gòu)成屬性關(guān)聯(lián)語義網(wǎng)絡(luò)，語義標(biāo)簽標(biāo)注過程中，通過匹配摘要、題目、關(guān)鍵詞等屬性特征，實(shí)現(xiàn)標(biāo)注[5]。至此完成基于技術(shù)特征，文獻(xiàn)知識圖譜的構(gòu)建。

1.3 確定文獻(xiàn)檢索策略

在文獻(xiàn)檢索庫中采用布爾邏輯構(gòu)造關(guān)鍵詞索引倒排文檔，提取索引詞的位置信息，確定位置信息在原文中的邏輯位置，并在邏輯位置索引詞中找出各字的順序邏輯關(guān)系，對各字的位置信息進(jìn)行記錄，將其作為查新文獻(xiàn)的分詞索引信息，得到查新文獻(xiàn)的基本情況[6]。注意檢索工具和檢索時(shí)限的回溯性，擴(kuò)展檢索字段并適當(dāng)補(bǔ)檢新的文獻(xiàn)庫，慎重推敲反映查新點(diǎn)的檢索詞，使不同檢出文獻(xiàn)之間具有可比性，確保查新工作的全面性和準(zhǔn)確性[7]。

2 實(shí)驗(yàn)論證分析

進(jìn)行對比實(shí)驗(yàn)，即此次設(shè)計(jì)策略為實(shí)驗(yàn)A組，傳統(tǒng)文獻(xiàn)檢索策略為實(shí)驗(yàn)B組，比較兩組實(shí)驗(yàn)的平均查準(zhǔn)率。實(shí)驗(yàn)文獻(xiàn)資源為7000條，在果樹栽培的各細(xì)分領(lǐng)域，選取果樹栽培、施肥、修剪、水分等10個(gè)提問詞，對10個(gè)提問詞進(jìn)行初步探索，獲得提示詞的相關(guān)文獻(xiàn)共600條[8]。檢索任務(wù)在CNKI實(shí)際檢索平臺上進(jìn)行，當(dāng)完成第一個(gè)檢索動(dòng)作時(shí)，根據(jù)其技術(shù)特征，設(shè)置實(shí)驗(yàn)初始值，設(shè)置單框檢索場獨(dú)立為74.5%，場依存為68.9%，多框檢索場獨(dú)立為18.3%，場依存為1.5%。實(shí)驗(yàn)中，改變兩組實(shí)驗(yàn)檢出的相關(guān)文檔數(shù)，比較不同數(shù)量下的查準(zhǔn)率。第一組對比結(jié)果如下圖所示：

表1 單檢索框的對比結(jié)果

由上表可知，當(dāng)文檔檢出數(shù)量增加時(shí)，檢索策略的查準(zhǔn)率有所下降，但實(shí)驗(yàn)A組查準(zhǔn)率始終要高于實(shí)驗(yàn)B組，A組平均查準(zhǔn)率為89.1%，B組平均查準(zhǔn)率為83.1%，相比實(shí)驗(yàn)，A組查準(zhǔn)率提高了6.0%。在第一組實(shí)驗(yàn)的基礎(chǔ)上，進(jìn)行第二組實(shí)驗(yàn)，其對比結(jié)果如下表所示：

由表2可知，使用多個(gè)檢索框時(shí)，文檔查準(zhǔn)率有所提高，實(shí)驗(yàn)A組平均查準(zhǔn)率為92.3%，實(shí)驗(yàn)B組平均查準(zhǔn)率為88.2%，A組平均查準(zhǔn)率提高了4.1%。綜上所述，此次設(shè)計(jì)策略提高了文檔檢索的查準(zhǔn)率，為用戶提供更加符合要求的科技查新文獻(xiàn)。

表2 多檢索框的對比結(jié)果

3 結(jié)論

此次設(shè)計(jì)策略充分發(fā)揮了技術(shù)特征的優(yōu)勢，提高了文獻(xiàn)檢索的查準(zhǔn)率。但此次研究仍存在一定不足，數(shù)據(jù)抽取效率較差，在今后的研究中，會應(yīng)用正則表達(dá)式的抽取方法，對所有形式的文獻(xiàn)引用關(guān)系進(jìn)行匹配，提高抽取效率。