基于特征项的文献共现网络在学术信息检索中的应用

doi:10.13266/j.issn.0252-3116.2014.15.020

图书情报工作 ›› 2014, Vol. 58 ›› Issue (15): 135-141.DOI: 10.13266/j.issn.0252-3116.2014.15.020

基于特征项的文献共现网络在学术信息检索中的应用

丁洁, 王曰芬

南京理工大学经济管理学院

收稿日期:2014-05-19 修回日期:2014-07-06 出版日期:2014-08-05 发布日期:2014-08-05
通讯作者: 王曰芬，南京理工大学经济管理学院教授，博士生导师，通讯作者，E-mail：yuefen163@163.com
作者简介:丁洁，南京理工大学经济管理学院硕士研究生
基金资助:
本文系国家自然科学基金资助项目“新研究领域科学文献传播网络成长及对传播效果影响研究”（项目编号：71373124）研究成果之一。

Technologies and Applications of Literature Co-occurrence Network Based on Characteristic Terms in Academic Information Retrieval

Ding Jie, Wang Yuefen

School of Economics and Management, Nanjing University of Science & Technology, Nanjing 210094

Received:2014-05-19 Revised:2014-07-06 Online:2014-08-05 Published:2014-08-05

摘要/Abstract

摘要：

在综合国内学术信息检索服务的现状和现有理论方法研究的基础上，以检索词推荐为研究对象，构建基于文献特征项共现网络的学术信息检索词推荐模型。模型包括基础文献存储模块、文献特征项抽取模块、文献特征项共现网络预处理模块、基于特征项的文献检索模块及检索词服务前端5个部分。利用实验验证基于特征项的共现网络用于检索词推荐的可行性，结果表明推荐模型结果与各检索项的检索词更具有相关性，推荐质量较好。

Abstract:

After analyzing the present situation of the domestic academic information retrieval services and research status at home and abroad, a digital academic information query suggestion recommendation model based on co-occurrence analysis was developed, which includes the basic literatures storage module, the literatures feature item extraction module, the literatures feature co-occurrence network preprocessing module, the literature search module based on feature item and the front-end of search term services. An experiment was done to verify the model. The research showed that the academic information query suggestion recommendation model based on co-occurrence analysis of literature characteristic terms achieved better recommendation quality.

Key words: query suggestion, recommendation model, co-occurrence analysis, academic information retrieval, scientific literature

中图分类号:

G350

丁洁, 王曰芬. 基于特征项的文献共现网络在学术信息检索中的应用[J]. 图书情报工作, 2014, 58(15): 135-141.

Ding Jie, Wang Yuefen. Technologies and Applications of Literature Co-occurrence Network Based on Characteristic Terms in Academic Information Retrieval[J]. LIS, 2014, 58(15): 135-141.

参考文献

[1] 张铧予,李广建.基于文献的语义资源库建设及其在NSTL中的应用[J].图书情报工作,2012,56(9):18-23.

[2] 边鹏,苏玉召.基于检索日志的检索词推荐研究[J].图书情报工作,2012,56(9):31-36,41.

[3] 于娟,尹积栋,费庶.基于句法结构分析的同义词识别方法研究[J].现代图书情报技术,2013,29(9):35-40.

[4] 陆勇,侯汉清.基于模式匹配的汉语同义词自动识别[J].情报学报,2006,25(6):720-724.

[5] Yang Xu,Gareth J F J,Wang Bin.Query dependent pseudo-relevance feedback based on wikipedia[C]//Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval.NewYork:ACM,2009:59-66.

[6] 汪英姿.基于本体的个性化图书推荐方法研究[J].现代图书情报技术,2012,(12):72-78.

[7] 唐晓玲.基于本体和协同过滤技术的推荐系统研究[J].情报科学,2013,31(12):90-94.

[8] 黄媛.基于论文主题词和关键词关系网的检索词拓展研究[J].科技广场,2011,(1):24-27.

[9] 陆伟,张晓娟.基于主题与用户偏好分析的查询推荐研究[J].情报学报,2012,31(12):1252-1258.

[10] Ji Shihao, Zhou Ke, Liao Ciya,et al.Global ranking by exploiting user clicks[C]//Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval.New York:ACM,2009:35-42.

[11] Sanjeev R,Priyanka G.Implementing improved algorithm over APRIORI daata mining association rule algorithm[J].International Journal of Computer Science and Techology,2012,3(1):489-493.

[12] Komal K,Simple S.Analysis of association rules mining algorithms[J].International Journal of Scientific and Research Publications, 2013,3(5):1-4.

[13] 刘旭东,葛俊杰.基于关联规则的个性化推荐在数字图书馆中的应用研究[J].德州学院学报,2010,26(2):72-75.

[14] 边鹏,赵妍,苏玉召.一种适合检索词推荐的K-means 算法最佳聚类数确定方法[J].图书情报工作,2012,56(4):107-111.

[15] 奉国和.协同过滤推荐研究综述[J].图书情报工作,2011,55(16):126-130.

[16] 曹艺.面向学术影响力评价的网络学术交流中文献的下载与引用研究[D].南京:南京理工大学,2012.

[17] 许文海,温有奎.一种基于TFIDF方法的中文关键词抽取算法[J].情报理论与实践,2008(2):298-302.

[18] 基于知网的词汇语义相似度计算方法研究[J].计算机应用研究,2010,27(9): 3329-3333.

[19] 邱均平.信息计量学[M].武汉:武汉大学出版社,2007:132-152.

[20] Hsinchun C,Andrea L H,Robin R S.Internet browsing and searching:User evaluations of category map and concept space techniques[J].Journal of the American Society for Information Science,1998,49(7):582-603.

基于特征项的文献共现网络在学术信息检索中的应用

Technologies and Applications of Literature Co-occurrence Network Based on Characteristic Terms in Academic Information Retrieval

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	庞弘燊, 钟秀梅. 颠覆性技术产生过程的多源数据多特征项可视化研究[J]. 图书情报工作, 2022, 66(19): 122-131.
[2]	董美, 常志军. 一种面向中医领域科技文献的实体关系抽取方法[J]. 图书情报工作, 2022, 66(18): 105-113.
[3]	张吉玉, 张均胜. 考虑时序的单篇科技文献新颖性评估方法[J]. 图书情报工作, 2022, 66(17): 93-105.
[4]	吴小兰, 章成志. 融合内容与关系的学术社交媒体上跨学科用户推荐模型研究[J]. 图书情报工作, 2020, 64(9): 95-103.
[5]	孙坦, 黄永文, 张建勇, 赵瑞雪, 鲜国建, 李娇. 开放科学环境下国家科技文献发展战略研究与展望[J]. 图书情报工作, 2020, 64(14): 3-12.
[6]	秦春秀, 杨智娟, 赵捧未, 刘杰. 面向科技文献知识表示的知识元本体模型[J]. 图书情报工作, 2018, 62(3): 94-103.
[7]	耿立校, 晋高杰, 李亚函, 孙卫忠, 马士豪. 基于改进内容过滤算法的高校图书馆文献资源个性化推荐研究[J]. 图书情报工作, 2018, 62(21): 112-117.
[8]	于改红, 张智雄, 马娜. 科技文献语篇元素自动标注模型研究综述[J]. 图书情报工作, 2018, 62(15): 132-144.
[9]	牟冬梅, 琚沅红, 郑晓月, 戴文浩. 基于时间-关键词共现分析的学科动态知识结构研究——以国外图书情报学为例[J]. 图书情报工作, 2017, 61(12): 21-31.
[10]	高继平, 丁堃, 潘云涛, 袁军鹏. 多词共现分析方法的实现及其在研究热点识别中的应用[J]. 图书情报工作, 2014, 58(24): 80-85,98.
[11]	张洋, 谢卓力. 基于多源网络学术信息聚合的知识图谱构建研究[J]. 图书情报工作, 2014, 58(22): 84-94.
[12]	石崇德, 乔晓东, 王惠临, 屈鹏. 中文科技文献切分的领域适应技术研究[J]. 图书情报工作, 2014, 58(19): 13-18.
[13]	王晓笛, 祝娜, 白如江, 王效岳. 基于语义角色标注的文献相似度检测研究[J]. 图书情报工作, 2014, 58(12): 130-135.
[14]	许海云, 岳増慧, 雷炳旭, 方曙. 基于专利技术功效主题词与专利引文共现的核心专利挖掘[J]. 图书情报工作, 2014, 58(04): 59-64.
[15]	孙振领. 我国省级科技文献共享服务平台建设比较研究[J]. 图书情报工作, 2013, 57(14): 67-71,145.