[發明專利]一種信息檢索方法及系統

有效

• 申請號: 201910622980.1
• 申請日: 2019-07-11
• 公開（公告）號: CN110334269B
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 董文軒;程潔丹;晏裕生;姚晗;孫孟陽;江洋
• 申請（專利權）人: 中國船舶工業綜合技術經濟研究院
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F16/9538
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 劉鳳玲

1.一種信息檢索方法，其特征在于，所述方法包括：

獲取待查找關鍵詞集合和國防科技情報領域待查數據源的網頁文檔集合，所述網頁文檔集合包括多個網頁文檔；

計算所述待查找關鍵詞集合與各個所述網頁文檔的相關性；

將相關性大于或者等于相似閾值的網頁文檔輸出，并將相關性小于所述相似閾值的網頁文檔按照時序性由高到低的順序輸出；

所述將相關性小于所述相似閾值的網頁文檔按照時序性由高到低的順序輸出，具體包括：

獲取相關性小于所述相似閾值的各網頁文檔的時序參數，所述時序參數包括：發布時間、更新時間、點擊量總數、下載量總數、頁面停留時間總長和網頁內容更新加速度中至少一者；

根據所述時序參數計算每一所述網頁文檔的時序性，具體包括：

根據公式：計算第i個網頁文檔的時序性，1≤i≤I，I表示相關性小于所述相似閾值的網頁文檔的數量，S_i表示第i個網頁文檔的時序性；D_i表示第i個網頁文檔的下載量總數；C_i表示第i個網頁文檔的點擊量總數；P_i表示第i個網頁文檔的頁面停留時間總長；T2_i表示第i個網頁文檔的更新時間；T1_i表示第i個網頁文檔的發布時間；G_i表示第i個網頁文檔的網頁內容更新加速度；

按照時序性由高到低的順序將相關性小于所述相似閾值的各網頁文檔輸出。

2.根據權利要求1所述的方法，其特征在于，所述計算所述待查找關鍵詞集合與各個所述網頁文檔的相關性，具體包括：

采用BM25模型計算所述待查找關鍵詞集合與每一所述網頁文檔的相關性。

3.根據權利要求1所述的方法，其特征在于，所述將相關性大于或者等于相似閾值的網頁文檔輸出，具體包括：

將相關性大于或者等于所述相似閾值的各網頁文檔按照相關性由高到低的順序輸出。

4.一種信息檢索系統，其特征在于，所述系統包括：

數據獲取模塊，用于獲取待查找關鍵詞集合和國防科技情報領域待查數據源的網頁文檔集合，所述網頁文檔集合包括多個網頁文檔；

相關性計算模塊，用于計算所述待查找關鍵詞集合與各個所述網頁文檔的相關性；

檢索輸出模塊，用于將相關性大于或者等于相似閾值的網頁文檔輸出，并將相關性小于所述相似閾值的網頁文檔按照時序性由高到低的順序輸出；

所述檢索輸出模塊包括：

時序參數獲取單元，用于獲取相關性小于所述相似閾值的各網頁文檔的時序參數，所述時序參數包括：發布時間、更新時間、點擊量總數、下載量總數、頁面停留時間總長和網頁內容更新加速度中至少一者；

時序性計算單元，用于根據所述時序參數計算每一所述網頁文檔的時序性，所述時序性計算單元包括：

時序計算子單元，用于根據公式：計算第i個網頁文檔的時序性，1≤i≤I，I表示相關性小于所述相似閾值的網頁文檔的數量，S_i表示第i個網頁文檔的時序性；D_i表示第i個網頁文檔的下載量總數；C_i表示第i個網頁文檔的點擊量總數；P_i表示第i個網頁文檔的頁面停留時間總長；T2_i表示第i個網頁文檔的更新時間；T1_i表示第i個網頁文檔的發布時間；G_i表示第i個網頁文檔的網頁內容更新加速度；

時序文檔輸出單元，用于按照時序性由高到低的順序將相關性小于所述相似閾值的各網頁文檔輸出。

5.根據權利要求4所述的系統，其特征在于，所述相關性計算模塊包括：

相關性計算單元，用于采用BM25模型計算所述待查找關鍵詞集合與每一所述網頁文檔的相關性。

6.根據權利要求4所述的系統，其特征在于，所述檢索輸出模塊包括：

高相似文檔輸出單元，用于將相關性大于或者等于所述相似閾值的各網頁文檔按照相關性由高到低的順序輸出。