[發明專利]一種主題自適應的學術會議搜索系統

有效

• 申請號: 201310003000.2
• 申請日: 2013-01-05
• 公開（公告）號: CN103049575A
• 公開（公告）日: 2013-04-17
• 發明（設計）人: 金海;趙峰;孫正;聶昶
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 朱仁玲

1.一種主題自適應的學術會議搜索系統，包括數據采集模塊、主題發現模塊、數據處理模塊以及用戶接口模塊，其特征在于，

用戶接口模塊包括學術會議搜索接口子模塊以及個性化投稿推薦接口子模塊；

數據采集模塊包括網絡爬蟲子模塊和數據存儲子模塊；

主題發現模塊包括網頁信息抽取子模塊、文本抽取子模塊以及文本挖掘子模塊；

數據處理模塊包括數據庫子模塊、索引子模塊、學術會議評價子模塊以及檢索子模塊；

網絡爬蟲子模塊用于從公開免費的信息源爬取包含學術會議和/或期刊信息的網頁；

數據存儲子模塊用于將網絡爬蟲子模塊爬取的網頁以文件的形式存儲在本地；

網頁信息抽取子模塊用于從爬取的網頁中抽取出學術會議和/或期刊的信息并存儲在文件中；

個性化投稿推薦接口子模塊用于接收用戶上傳的論文文檔，并將其傳遞給文本抽取子模塊；

文本抽取子模塊用于解析來自個性化投稿推薦接口子模塊的論文文檔，以獲取文檔內容的文本信息，并將文本信息傳遞給文本挖掘子模塊；

文本挖掘子模塊用于對文本抽取子模塊獲取的文本信息進行文本挖掘，以獲取主題信息，并將主題信息傳給檢索子模塊；

數據庫子模塊用于將網頁信息抽取子模塊抽取到的學術會議和/或期刊信息存儲到數據庫中；

索引子模塊用于利用開源全文檢索引擎工具包為存儲在數據庫中的學術會議和/或期刊信息構建索引；

學術會議評價子模塊用于計算學術會議和/或期刊的等級值；

學術會議搜索接口子模塊用于接收用戶輸入的搜索關鍵詞，并將其傳遞給檢索子模塊；

檢索子模塊用于從學術會議搜索接口子模塊接收搜索關鍵詞，利用開源全文檢索引擎工具包對該搜索關鍵詞進行解析，根據解析結果在索引子模塊構建的索引中進行檢索以獲取對應的學術會議和/或期刊信息作為檢索結果，根據學術會議評價子模塊計算的等級值對檢索結果進行排序，并將排序結果傳送給學術會議搜索接口子模塊；

檢索子模塊還用于接收來自文本挖掘子模塊的主題信息，利用開源全文檢索引擎工具包對該主題信息進行解析，根據解析結果在索引子模塊構建的索引中進行檢索以獲取對應的學術會議和/或期刊信息作為檢索結果，根據學術會議評價子模塊計算的等級值對檢索結果進行排序，并將排序結果傳送給個性化投稿推薦接口子模塊；

學術會議搜索接口子模塊還用于將來自于檢索子模塊的排序結果以可視化的形式呈現在Web頁面上，供用戶查閱；

個性化投稿推薦接口子模塊還用于將來自于檢索子模塊的排序結果以可視化的形式呈現在Web頁面上，供用戶查閱。

2.根據權利要求1所述的學術會議檢索系統，其特征在于，網絡爬蟲子模塊利用HttpClient開源Jar包實現對信息源的統一資源標識符進行特征分析，以判斷該信息源中是否包括學術會議和/或期刊信息。

3.根據權利要求1所述的學術會議檢索系統，其特征在于，網頁信息抽取子模塊利用HtmlParser開源Jar包實現信息的抽取，信息具體包括標題、舉辦時間、舉辦地點、投稿日期、會議主題。

4.根據權利要求3所述的學術會議檢索系統，其特征在于，網頁信息抽取子模塊首先構建節點過濾器對包含學術會議和/或期刊信息的網頁進行解析，得到節點隊列，并進一步通過解析器解析出屬性節點，再通過正則表達式或條件隨機場的方法解析出屬性值，最后將屬性值分類并存儲在文件中。

5.根據權利要求1所述的學術會議檢索系統，其特征在于，文本挖掘子模塊是通過機器學習、文本聚類等方法實現文本挖掘，具體為：對文本抽取子模塊獲取的文本信息進行文本預處理，包括特征提取、特征選擇，然后進行文本抽取，抽取的信息包括術語、主題詞、關鍵詞等，最后通過聚類分析和主題聚類發現主題信息。

6.根據權利要求1所述的學術會議檢索系統，其特征在于，數據庫子模塊采用JDBC、ODBC、ADO、OLE?DB、JDBC-ODBC橋的連接方式將抽取到的學術會議和/或期刊信息存儲到數據庫中；

數據庫包括Access、MySQL、Microsoft?SQL?Server、DB2、Oracle。