[发明专利]一种科技文献检索意图构建方法

权利要求书

1.一种科技文献检索意图构建方法，其特征在于：

包括以下步骤：

S10获取用户检索请求，采集检索元数据，并以纯文本形式输出带摘要的检索结果；

S20对所述元数据进行预处理工作；

S30对所述元数据的论文摘要进行LDA主题聚类分析和建立word2vec模型；

S40对所述主题聚类进行可视化，并给出主题关键词供用户交互选择，通过word2vec向量查询用户选择详尽的前五相似概念，并提供给用户交互选择；

S50构建用户检索意图树：判断相邻词汇在词表模型中的结构关系，利用结构关系信息，判断用户意图，以主题聚类为一级概念，用户选择主题词及相近概念为二级概念保存意图树；

S60通过用户检索意图树构建检索式形成用户意图量化表达,所述检索式的生成在不同主题间以OR(或)逻辑连接，同一主题内以AND连接，且按照语法规则使用括号，依据Webof Science的检索式语法规则生成检索式。

2.根据权利要求1所述的一种科技文献检索意图构建方法，其特征在于：所述预处理工作包括完成词干化、去停用词、清除无效字符和短语识别步骤。

3.根据权利要求1所述的一种科技文献检索意图构建方法，其特征在于：所述主题聚类分析为一种三层贝叶斯模型，三层分别为：文档层、主题层和词层，该模型基于如下假设：

1)整个文档集合中存在k个互相独立的主题；

2)每一个主题是词上的多项分布；

3)每一个文档由k个主题随机混合组成；

4)每一个文档是k个主题上的多项分布；

5)每一个文档的主题概率分布的先验分布是Dirichlet分布；

6)每一个主题中词的概率分布的先验分布是Dirichlet分布。

4.根据权利要求3所述的一种科技文献检索意图构建方法中主题聚类数量的确定，其特征在于：所述主题聚类分析分别以5、10、15、20不同的主题数量计算coherence值，以获得最佳的主题数量。

5.根据权利要求3所述的一种科技文献检索意图构建方法，其特征在于：所述主题聚类分析的联合分布函数公式如下：

对联合分布求积分，去掉部分隐变量后：

用间接计算转移概率可以消除中间参数θ和φ，所以主题的转移概率化为：

通过吉布斯采样来进行每轮的迭代，迭代过程即：首先产生于一个均匀分布的随机数，然后根据上式计算每个转移主题的概率，通过累积概率判断随机数落在哪个主题下，更新参数矩阵，如此迭代直至收敛。