[发明专利]一种专家信息搜索及领域评分计算方法

说明书

一种专家信息搜索及领域评分计算方法，包括以下步骤：步骤一：使用Elasticsearch存储专家的基本信息和成果信息；步骤二：根据成果信息计算专家的领域评分，并将得分更新到相应专家基本信息索引中；步骤三：获取搜索词，检索专家基本信息和成果信息，并计算得到专家的基本信息评分、按照专家进行聚合和计算得到专家成果评分；步骤四：将专家基本信息评分与专家成果评分标准化后进行加权计算得到专家的检索相关度评分；步骤五：将专家检索相关度评分与专家领域评分进行加权计算得到专家的最终评分。存储专家的信息并对专家进行领域分类，计算得到专家的最终评分，依据用户提供的搜索词和Elasticsearch提供检索服务，对领域专家搜索结果的排序提供了重要的依据。

技术领域

本发明属于搜索引擎技术领域，涉及一种专家信息搜索及领域评分计算方法。

背景技术

Elasticsearch是一个开源搜索引擎，建立在ApacheLucene基础之上。Elasticsearch使用Java编写，以Lucene为核心提供数据索引和搜索的功能，使用RESTfulAPI对外提供服务。Elasticsearch提供了非常丰富的搜索API，同时提供了多种数据聚合分析的方法，使得海量数据的搜索和分析变得非常容易。

领域专家搜索是指根据用户输入的搜索词，从存储的专家信息中进行检索，进而获取与搜索词相关的领域专家的过程。领域专家搜索评分方法是指对相关的领域专家进行评分的计算方法，主要用于检索结果领域专家的排序，评分越高的专家排名越靠前。

目前暂未发现领域专家搜索系统方面的发明，国内的一些学术网站，例如：百度学术、知网、万方等提供了学者搜索的功能，与领域专家搜索有一定的类似。百度学术的学者搜索主要是根据学者的姓名以及学者的机构名进行检索；知网提供了更多的检索条件：学者的姓名、机构名、研究领域、成果数量、第一作者成果数、被引用次数；万方学术则根据学者的姓名、机构名、学科信息来进行检索。可以看到，学术网站的学者搜索均使用了学者的基本信息进行检索，而对于学者的成果信息，只有知网使用了一些统计类成果数据进行过滤操作，这使得搜索结果的评分排序很大程度上依赖于学者的基本信息。此外，学术网站对搜索词的搜索很大一部分局限在人名、机构名和研究领域方向上，这些字段包含的信息过于狭窄，因此很多时候会搜不到相关学者。

发明内容

针对现有技术的不足，本发明提供了一种专家信息搜索及领域评分计算方法，利用Elasticsearch索引存储各个领域的专家的基本信息以及成果信息，同时根据专家基本信息对专家进行领域分类，并根据成果信息计算领域评分。最终，依据用户提供的搜索词，使用Elasticsearch提供检索服务，综合检索结果中的专家基本信息、成果信息以及领域评分，计算得到专家最终的评分数据，对领域专家搜索结果的排序，提供了重要的依据。

为实现上述目的，本发明采用以下技术方案：

一种专家信息搜索及领域评分计算方法，其特征在于，包括以下步骤：

步骤一：使用Elasticsearch存储专家的基本信息和成果信息；

步骤二：根据成果信息计算专家的领域评分，并将得分更新到相应专家基本信息索引中；

步骤三：获取搜索词，根据搜索词检索专家基本信息和成果信息，并计算得到专家的基本信息评分、按照专家进行聚合和计算得到专家成果评分；

步骤四：将专家基本信息评分与专家成果评分标准化后进行加权计算得到专家的检索相关度评分；

步骤五：将专家检索相关度评分与专家领域评分进行加权计算得到专家的最终评分。其中，步骤一包括：

步骤1a：根据专家基本信息为每一个专家新建唯一标识；

步骤1b：将所有专家的所属领域归类，共分为学术、产业、政策三个领域；