[发明专利]一种信息检索方法及系统

说明书

本发明公开一种信息检索方法及系统。本发明提供的信息检索方法及系统，首先计算待查找关键词集合与国防科技情报领域待查数据源的网页文档集合中各个网页文档的相关性；然后将相关性大于或者等于相似阈值的网页文档输出，并将相关性小于相似阈值的网页文档按照时序性由高到低的顺序输出。本发明提供的检索方法及系统，将相关性较大的网页文档作为检索结果输出，能够确保检索结果的覆盖率，同时，对于相关性较小的网页文档，按照其时序性由高到低的顺序输出给用户，能够满足资讯检索的高时效性要求。因此，采用本发明提供的方法及系统进行国防科技情报领域的信息检索，能够同时满足其高时效性和高覆盖率的要求。

技术领域

本发明涉及信息检索领域，特别是涉及一种信息检索方法及系统。

背景技术

信息检索(Information Retrieval)是指根据用户需要，采用一定的信息检索方法，从大量的信息集合中找出用户所需要信息的查找过程。信息检索的核心问题是结果排序，即如何把用户最需要的信息排列在返回列表前面。资讯检索作为信息检索的一部分，是指利用一定的信息检索方法，为用户提供所需要的新闻、动态、政策、观点等资讯消息，它具有高时效性和个性化等主要特征。国防科技情报领域信息检索作为一种特殊的资讯检索，具有要求高时效性和高覆盖率的特性，但是，现有的检索方法无法同时满足其高时效性和高覆盖率的要求。

发明内容

本发明的目的是提供一种信息检索方法及系统，能够同时满足国防科技情报领域信息检索的高时效性和高覆盖率的要求。

为实现上述目的，本发明提供了如下方案：

一种信息检索方法，所述方法包括：

获取待查找关键词集合和国防科技情报领域待查数据源的网页文档集合，所述网页文档集合包括多个网页文档；

计算所述待查找关键词集合与各个所述网页文档的相关性；

将相关性大于或者等于相似阈值的网页文档输出，并将相关性小于所述相似阈值的网页文档按照时序性由高到低的顺序输出。

可选的，所述计算所述待查找关键词集合与各个所述网页文档的相关性，具体包括：

采用BM25模型计算所述待查找关键词集合与每一所述网页文档的相关性。

可选的，所述将相关性大于或者等于相似阈值的网页文档输出，具体包括：

将相关性大于或者等于所述相似阈值的各网页文档按照相关性由高到低的顺序输出。

可选的，所述将相关性小于所述相似阈值的网页文档按照时序性由高到低的顺序输出，具体包括：

获取相关性小于所述相似阈值的各网页文档的时序参数，所述时序参数包括：发布时间、更新时间、点击量总数、下载量总数、页面停留时间总长和网页内容更新加速度中至少一者；

根据所述时序参数计算每一所述网页文档的时序性；

按照时序性由高到低的顺序将相关性小于所述相似阈值的各网页文档输出。

可选的，所述时序参数包括：发布时间、更新时间、点击量总数、下载量总数、页面停留时间总长和网页内容更新加速度，所述根据所述时序参数计算每一所述网页文档的时序性，具体包括：

根据公式：计算第i个网页文档的时序性，1≤i≤I，I表示相关性小于所述相似阈值的网页文档的数量，S_i表示第i个网页文档的时序性；D_i表示第i个网页文档的下载量总数；C_i表示第i个网页文档的点击量总数；P_i表示第i个网页文档的页面停留时间总长；T2_i表示第i个网页文档的更新时间；T1_i表示第i个网页文档的发布时间；G_i表示第i个网页文档的网页内容更新加速度。