[發(fā)明專利]基于用戶點(diǎn)擊行為的數(shù)字圖書搜索方法

無效

• 申請(qǐng)?zhí)枺?/td>: 200810063010.4
• 申請(qǐng)日: 2008-07-04
• 公開（公告）號(hào): CN101320375A
• 公開（公告）日: 2008-12-10
• 發(fā)明（設(shè)計(jì)）人: 吳江琴;莊越挺;袁川;張寅
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 杭州求是專利事務(wù)所有限公司
• 代理人: 張法高

1.一種基于用戶點(diǎn)擊行為的數(shù)字圖書搜索方法，其特征在于包括以下步驟：

(1)提取日志中的圖書閱讀記錄構(gòu)建圖書之間的關(guān)聯(lián)圖，使用關(guān)聯(lián)圖計(jì)算圖書的相關(guān)性排序得分；

(2)提取日志中的檢索閱讀記錄，利用讀者對(duì)檢索結(jié)果的隱式反饋對(duì)查詢?cè)~進(jìn)行聚類；

(3)抓取互聯(lián)網(wǎng)上的圖書評(píng)分?jǐn)?shù)據(jù)，整合形成圖書評(píng)分排序得分；

(4)在查詢?cè)~聚類的基礎(chǔ)之上，針對(duì)每類查詢?cè)~，利用讀者對(duì)檢索結(jié)果的隱式反饋，綜合從關(guān)聯(lián)圖得出的圖書相關(guān)性排序、互聯(lián)網(wǎng)上的圖書評(píng)分以及文本相似度這三種排序信息源，形成最終的圖書搜索結(jié)果排序；

所述的提取日志中的圖書閱讀記錄構(gòu)建圖書之間的關(guān)聯(lián)圖，使用關(guān)聯(lián)圖計(jì)算圖書的相關(guān)性排序得分步驟：分析數(shù)字圖書館的Web使用日志數(shù)據(jù)，提取Web使用日志數(shù)據(jù)中的讀者圖書閱讀記錄，構(gòu)建共同閱讀過圖書i和圖書j的讀者的數(shù)量矩陣用U＝{u_i：0≤i＜m}表示讀者的集合，B＝{b_j：0≤j＜n}表示圖書的集合，然后對(duì)進(jìn)行歸一化處理：

Ci,j=C~i,jwj]]>其中：wj=Σ0≤i<|B|C~i,j]]>

得到圖書關(guān)聯(lián)矩陣C_i，j，使用向量BR＝[br₀，br₁，br₂，...，br_|B|-1]^T表示圖書的相關(guān)性排序得分，向量d＝[d₀，d₁，d₂，...，d_|B|-1]^T表示圖書的已知質(zhì)量信息，最后使用下面的迭代方法來計(jì)算最終的圖書相關(guān)性排序得分：

BR(0)=1|B|1|B|BR(n+1)=αCBR(n)+(1-α)d]]>

其中，α為隨機(jī)跳轉(zhuǎn)概率，取值范圍在0到1之間；

所述的提取日志中的檢索閱讀記錄，利用讀者對(duì)檢索結(jié)果的隱式反饋對(duì)查詢?cè)~進(jìn)行聚類步驟：分析數(shù)字圖書館的Web使用日志數(shù)據(jù)，提取Web使用日志數(shù)據(jù)中的圖書檢索閱讀記錄，得到與每個(gè)查詢?cè)~相關(guān)的數(shù)字圖書，使用Q＝{q_i：0≤i＜m}表示查詢?cè)~的集合，集合Bi⊆B]]>表示與查詢?cè)~q_i相關(guān)的圖書，集合G_i，j定義為：

構(gòu)建表示與查詢?cè)~q_i和q_j都相關(guān)的圖書的數(shù)量的矩陣，定義為：

S~i,j=|Gi,j|]]>

歸一化后即得到查詢?cè)~相似性矩陣：

Si,j=S~i,jwj]]>其中：wj=Σ0≤i<|Q|S~i,j]]>

然后使用類似上述的圖書相關(guān)性排序的迭代計(jì)算方式來對(duì)查詢?cè)~進(jìn)行聚類；

所述的抓取互聯(lián)網(wǎng)上的圖書評(píng)分?jǐn)?shù)據(jù)，整合形成圖書評(píng)分排序得分步驟：設(shè)計(jì)爬蟲程序抓取互聯(lián)網(wǎng)上著名圖書網(wǎng)站上的圖書評(píng)分頁面，分析提取圖書的元數(shù)據(jù)和圖書評(píng)分，如果提取出來的圖書在數(shù)字圖書館中存在，則整合不同網(wǎng)站上的相同圖書的評(píng)分?jǐn)?shù)據(jù)，設(shè)整合的站點(diǎn)為S_i其中：0≤i＜N，圖書b_k在站點(diǎn)S_i上的歸一化后的評(píng)分?jǐn)?shù)據(jù)為v_ki，評(píng)分人數(shù)為p_ki，若該圖書該站點(diǎn)上不存在或存在但是沒有評(píng)分記錄，那么v_ki或p_ki為零，使用如下公式來整合圖書評(píng)分：

wk=Σ0≤i<NvkipkiΣ0≤i<Npki;]]>

所述的在查詢?cè)~聚類的基礎(chǔ)之上，針對(duì)每類查詢?cè)~，利用讀者對(duì)檢索結(jié)果的隱式反饋，綜合從關(guān)聯(lián)圖得出的圖書相關(guān)性排序、互聯(lián)網(wǎng)上的圖書評(píng)分以及文本相似度這三種排序信息源，形成最終的圖書搜索結(jié)果排序步驟：將基于數(shù)字圖書訪問關(guān)聯(lián)圖的圖書排序值表示為R＝[r₀，r₁，r₂，...，r_|B|-1]^T，將從互聯(lián)網(wǎng)上整合得到的圖書排序值表示為S＝[s₀，s₁，s₂，...，s_|B|-1]^T，將基于元數(shù)據(jù)文本相似度的檢索得分表示為T＝[t₀，t₁，t₂，...，t_n-1]^T，其中B為圖書的集合，三個(gè)排序值都是介于0到1之間的浮點(diǎn)值，得分最高的圖書的分值為1，對(duì)于一次圖書搜索，使用基于文本相似度的元數(shù)據(jù)檢索獲得匹配的圖書列表B＝[b₀，b₁，b₂，...，b_n-1]^T，b_k，0≤k＜n為圖書的編號(hào)，圖書列表文本相似度得分為T＝[t₀，t₁，t₂，...，t_n-1]^T，n為匹配當(dāng)前搜索關(guān)鍵詞的圖書數(shù)目，然后使用如下公式來計(jì)算最終的圖書得分f_k：

fk=αtk+βrbk+γsbk]]>其中：0≤k＜n

其中α，β，γ為實(shí)待估參數(shù)，按照如下方式確定：從讀者的圖書檢索閱讀的序列數(shù)據(jù)中提取出一系列的有序?qū)?lt;key，book>，進(jìn)而將有序?qū)?lt;key，book>轉(zhuǎn)化為<key，score>，score表示讀者對(duì)圖書的評(píng)分，得到的一系列有序?qū)?lt;key，score>，按照查詢?cè)~的聚類結(jié)果來將前面得到的有序?qū)Ψ譃閙個(gè)組，第i組中的所有有序?qū)M足key∈Q_i，Q_i表示查詢?cè)~的集合，對(duì)于第i組中的每一個(gè)有序?qū)?lt;key_j，score_j>，計(jì)算出以它的key_j值作為查詢?cè)~的檢索結(jié)果中它對(duì)應(yīng)的圖書的三個(gè)排序分值，以有序?qū)?lt;key_j，score_j>的score_j作為最終的圖書得分f_ij，這樣第i組中的所有有序?qū)?gòu)成一個(gè)多元線性回歸分析模型：

fij=αitij+βiribj+γisibj]]>

使用每一組中的所有有序?qū)磉M(jìn)行最小二乘估計(jì)可以得到針對(duì)每一個(gè)查詢?cè)~類的α_i，β_i，γ_i。