[發(fā)明專利]一種基于標(biāo)簽的圖書(shū)搜索方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510035855.2
• 申請(qǐng)日: 2015-01-23
• 公開(kāi)（公告）號(hào): CN104537116B
• 公開(kāi)（公告）日: 2017-10-31
• 發(fā)明（設(shè)計(jì)）人: 張寅;張鵬
• 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33200
• 代理人: 張法高

1.一種基于標(biāo)簽的圖書(shū)搜索方法，其特征在于包括以下步驟：

1） 獲取圖書(shū)的元數(shù)據(jù)文本信息，包括都柏林核心規(guī)范定義的15項(xiàng)數(shù)字資源元數(shù)據(jù)段以及圖書(shū)的章節(jié)目錄文本信息，再針對(duì)元數(shù)據(jù)文本信息采用關(guān)鍵詞提取算法生成圖書(shū)的標(biāo)簽；

2）將圖書(shū)的元數(shù)據(jù)文本信息和步驟1）生成的標(biāo)簽一起寫(xiě)入搜索系統(tǒng)的索引文件系統(tǒng)中，索引文件的具體結(jié)構(gòu)包括5個(gè)域：圖書(shū)名稱、圖書(shū)作者、圖書(shū)主題、出版社名稱、圖書(shū)標(biāo)簽，用戶在進(jìn)行圖書(shū)檢索時(shí)，會(huì)在上述五個(gè)域中進(jìn)行文本匹配以獲取搜索結(jié)果；

3）構(gòu)建圖書(shū)搜索的前端系統(tǒng)，采用B/S模式，前端系統(tǒng)是基于WEB瀏覽器的圖形用戶界面，功能是提供圖書(shū)搜索的界面以及搜索結(jié)果展示界面；

4）構(gòu)建圖書(shū)搜索的后臺(tái)系統(tǒng)，并以Restful Web Service的形式對(duì)外暴露服務(wù)接口，后臺(tái)系統(tǒng)的功能是提供圖書(shū)搜索服務(wù)，包括基于關(guān)鍵詞的圖書(shū)檢索、多維度搜索條件約束、搜索語(yǔ)句精確/模糊匹配、搜索意圖推薦功能，前端系統(tǒng)的搜索請(qǐng)求會(huì)調(diào)用后臺(tái)系統(tǒng)的圖書(shū)搜索接口；

5）進(jìn)行搜索意圖推薦，利用圖書(shū)和搜索語(yǔ)句的關(guān)聯(lián)度、標(biāo)簽與圖書(shū)的關(guān)聯(lián)度信息計(jì)算出標(biāo)簽與搜索語(yǔ)句的關(guān)聯(lián)度，獲得標(biāo)簽與搜索語(yǔ)句的關(guān)聯(lián)度排名較高的標(biāo)簽，并隨著搜索結(jié)果一起返回給用戶。

2.根據(jù)權(quán)利要求1所述的基于標(biāo)簽的圖書(shū)搜索方法，其特征在于：所述的步驟1）為：獲取圖書(shū)的元數(shù)據(jù)文本信息，圖書(shū)的元數(shù)據(jù)文本信息存儲(chǔ)在分布式文件系統(tǒng)或者數(shù)據(jù)庫(kù)中，圖書(shū)搜索系統(tǒng)獲取的元數(shù)據(jù)文本信息包括由都柏林核心規(guī)范指定的15項(xiàng)數(shù)字資源元數(shù)據(jù)條目以及圖書(shū)的章節(jié)文本信息，之后需要對(duì)元數(shù)據(jù)文本信息進(jìn)行分詞、去停用詞、詞干化處理，之后采用TextRank關(guān)鍵詞提取算法計(jì)算出詞與圖書(shū)之間的關(guān)聯(lián)度，選取關(guān)聯(lián)度較高的詞作為圖書(shū)的標(biāo)簽。

3.根據(jù)權(quán)利要求1所述的基于標(biāo)簽的圖書(shū)搜索方法，其特征在于：所述的步驟2）為：將圖書(shū)的元數(shù)據(jù)文本信息和步驟1）生成的標(biāo)簽一起寫(xiě)入搜索系統(tǒng)的索引文件系統(tǒng)中，其中索引文件的生成和檢索功能采用Lucene全文檢索引擎工具包實(shí)現(xiàn)，索引文件的具體結(jié)構(gòu)包括5個(gè)域：圖書(shū)名稱、圖書(shū)作者、圖書(shū)主題、出版社名稱、圖書(shū)標(biāo)簽，前4項(xiàng)在都柏林核心規(guī)范中有定義，第5項(xiàng)由步驟1）生成，前4項(xiàng)在索引文件中存儲(chǔ)兩部分，第一部分是將域中文本分詞后的單詞集合，第二部分是域中文本未分詞的一整段文本；第5項(xiàng)則只需要存儲(chǔ)圖書(shū)的標(biāo)簽集合，上述5個(gè)域在索引文件中均以壓縮的方式存儲(chǔ)，用戶在進(jìn)行圖書(shū)檢索時(shí)，圖書(shū)搜索系統(tǒng)會(huì)在上述五個(gè)域中進(jìn)行文本匹配以獲取搜索結(jié)果。

4.根據(jù)權(quán)利要求1所述的基于標(biāo)簽的圖書(shū)搜索方法，其特征在于:所述的步驟3）為：構(gòu)建圖書(shū)搜索的前端系統(tǒng)，系統(tǒng)采用B/S模式構(gòu)建，前端系統(tǒng)采用基于WEB瀏覽器的圖形用戶界面，功能是提供圖書(shū)搜索的界面以及搜索結(jié)果展示界面，圖書(shū)搜索系統(tǒng)的用戶交互途徑分為2個(gè)部分：第一步是統(tǒng)一搜索，通過(guò)鍵入關(guān)鍵詞進(jìn)行搜索，獲得相對(duì)廣泛的搜索結(jié)果；第二步是添加標(biāo)簽、類型、出版社約束條件進(jìn)行更精確的查詢。

5.根據(jù)權(quán)利要求1所述的基于標(biāo)簽的圖書(shū)搜索方法，其特征在于：所述的步驟4）為：構(gòu)建圖書(shū)搜索的后臺(tái)系統(tǒng)，后臺(tái)系統(tǒng)的功能是提供圖書(shū)搜索服務(wù)，圖書(shū)搜索功能采用Lucene全文檢索引擎工具包實(shí)現(xiàn)，并且采用RestLet框架以Restful Web Service的方式暴露服務(wù)接口，前端系統(tǒng)的搜索請(qǐng)求會(huì)調(diào)用圖書(shū)搜索接口，后臺(tái)系統(tǒng)提供了三種方式來(lái)具體化用戶的搜索意圖：

(1)用戶通過(guò)點(diǎn)擊類型、標(biāo)簽、出版社信息縮小查詢的范圍，具體實(shí)現(xiàn)方式為在索引文件的圖書(shū)標(biāo)簽域中進(jìn)行基于布爾邏輯的搜索結(jié)果過(guò)濾；

(2)通過(guò)限制僅搜書(shū)名、作者限制查詢維度，具體實(shí)現(xiàn)方式為在索引文件中選擇只在圖書(shū)名稱或圖書(shū)作者域中搜索；

(3)通過(guò)選擇搜索詞完全匹配實(shí)現(xiàn)精確搜索，具體實(shí)現(xiàn)方式為在索引文件的圖書(shū)名稱或者圖書(shū)作者域中選擇未分詞的文本段進(jìn)行搜索。

6.根據(jù)權(quán)利要求1所述的基于標(biāo)簽的圖書(shū)搜索方法，其特征在于：所述的步驟5）為：進(jìn)行搜索意圖推薦，利用Lucene全文檢索引擎工具包獲取圖書(shū)和搜索語(yǔ)句的關(guān)聯(lián)度、再利用CBTR標(biāo)簽排序算法算出標(biāo)簽與圖書(shū)的關(guān)聯(lián)度，之后將兩者相乘并累加，計(jì)算出標(biāo)簽與搜索語(yǔ)句的關(guān)聯(lián)度，獲得標(biāo)簽與搜索語(yǔ)句的關(guān)聯(lián)度排名較高的標(biāo)簽，并隨著搜索結(jié)果一起返回給用戶。