[發明專利]面向科技資源學科及研究主題信息的檢索查詢方法及系統

有效

• 申請號: 202110773346.5
• 申請日: 2021-07-08
• 公開（公告）號: CN113239071B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 杜軍平;郝流暢;寇菲菲;許明英
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F16/242
• 分類號: G06F16/242;G06F16/951;G06F16/28;G06N3/04
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 宋教花;岳燕敏

本發明提供一種面向科技資源學科及研究主題信息的檢索查詢方法及系統，包括：獲取科技資源信息數據的關鍵詞，并構建關鍵詞詞庫；通過BERT預訓練模型生成關鍵詞的詞向量及各學科的學科名稱的詞向量；基于各學科名稱的詞向量以及關鍵詞的詞向量通過聚類算法對關鍵詞進行聚類分析；獲取歷史預定時段內各類關鍵詞所屬的研究主題下的成果發表歷史數據，并根據各成果發表歷史數據預測未來預定時段內各類關鍵詞所屬的研究主題的成果發表發展趨勢；根據未來預定時段內的各類關鍵詞所屬的研究主題下的成果數量確定各研究主題的影響力指數；根據研究主題的成果發表發展趨勢以及研究主題的影響力指數確定各研究主題的排列順序，以根據排列順序確定檢索查詢結果。

技術領域

本發明涉及自然語言處理技術領域，尤其涉及一種面向科技資源學科及研究主題信息的檢索查詢方法及系統。

背景技術

近年來，各信息檢索平臺不斷發展，越來越多的用戶傾向于在檢索平臺上查找自己所需的科技資源信息，這種現象在一定程度上促進了互聯網中多種類型的科技資源庫的發展。在這樣的形勢下，用戶想要瀏覽參閱某一領域下的科技資源信息，比如自然基金、學術論文、專利信息等，便會檢索不同的資源平臺和系統。然而，這些平臺在科技資源的屬性等方面存在內容重復度高的問題，用戶需要逐個檢索、人工整合并篩選這些數據，才能獲得想要的結果，這不僅浪費了用戶的時間，還降低了檢索效率。

網絡中不同來源的科技資源信息有著不同的特征，大多數的科技資源檢索方法及系統都是從關鍵詞的角度對科技資源進行檢索，應用分詞等方法，以用戶輸入的信息來最大程度地概括其想要搜索的內容，在學科和研究主題的分析方面，多為在產生了搜索結果后再聚合學科和研究主題類別，只從篩選的角度考慮不同類別，不會對不同的學科和研究主題的關系和影響力加以分析。但隨著近代科學的發展以及互聯網中的科技信息的日益豐富，不同學科之間相互交叉及相互滲透，且不同學科之間相互融合又催生新的研究方向，科研工作者通過發表論文等形式分享自己的研究成果，他們也會通過檢索等方式了解其他人的研究進展，對于科研工作者來說，了解學科動態和熱點研究主題有利于他們深入探索不同的研究方向。

目前，對于交叉學科的研究一般是通過計算兩個學科的研究主題的相似程度，從而得到兩個學科之間的關系。但由于科技資源的獨特性，傳統的理論與模型難以直接用于具有多源異構特性的科技資源信息數據的分析和處理。例如，某個科研領域中既有發表的論文，又有申請的自然基金的項目，同時還有相關的資訊新聞，這些信息包含的屬性各不相同，但都與該科研領域有著密切的聯系，另由于學科與學科之間的交叉特性，這些信息可能屬于不同的學科；而目前傳統的理論與模型針對用戶輸入的關鍵詞無法準確的檢索出科技資源信息中隱含的學科及研究主題，因而無法實現對于科技資源學科及研究主題信息的高效檢索查詢。因此，基于關鍵詞如何實現科技資源學科及研究主題信息的高效檢索查詢是亟待解決的技術問題。

發明內容

有鑒于此，本發明提供了一種面向科技資源學科及研究主題信息的檢索查詢方法及系統，以解決現有技術中存在的一個或多個問題。

根據本發明的一個方面，本發明公開了一種面向科技資源學科及研究主題信息的檢索查詢方法，所述方法包括：

獲取科技資源信息數據的關鍵詞，基于獲取到的所述關鍵詞構建關鍵詞詞庫；

通過BERT預訓練模型生成所述關鍵詞的詞向量及各學科的學科名稱的詞向量；

基于各學科名稱的詞向量以及關鍵詞的詞向量通過聚類算法對所述關鍵詞進行聚類分析，并獲取各類關鍵詞所屬的研究主題及學科對應的標簽；

獲取歷史預定時段內各類關鍵詞所屬的研究主題下的成果發表歷史數據，并根據獲取到的各研究主題下的成果發表歷史數據預測未來預定時段內各類關鍵詞所屬的研究主題的成果發表發展趨勢；

根據預測到的未來預定時段內的各類關鍵詞所屬的研究主題下的成果數量確定各所述研究主題的影響力指數；