基于技术特征的科技查新文献检索策略思考

（辽宁省重大技术装备战略基地建设工程中心，辽宁 沈阳 110000）

0 引言

科技查新是通过手工检索和计算机检索等手段，针对科研立项和科研成果的实用性和新颖性，进行文献查证，因此，采取周全灵活的检索策略，获得合理的检索资源，具有重要的现实意义。国外文献检索策略研究主要应用数据语义，利用语义Web语言描述在线文档，利用语义Web文档和知识概念，在计算机领域内实现检索测试，对文献的同义词扩展、外延扩展、语义蕴涵进行检索，聚类检索结果，缩减用户关心的检索范围，得到专门针对科技查新的文献。国内检索策略研究利用文献计量的方法，排序文献的相对影响度，按照文献与用户搜索关键字的相关程度，按照线性方式返回引擎搜索结果，采用协同过滤的方式，计算检索文献的相似度，利用分层概念树的方式，根据待审文献的摘要内容，从而表示出作者模型和文献内容，对该作者已经发表的文献进行推荐，进而构建文献检索的语言模型[1]。

1 基于技术特征的科技查新文献检索策略设计

1.1 构建科技查新文献检索库

通过去重和筛选两项操作，对文献进行整理，构建文献检索库。首先将中国知网和万方数据库作为主要文献来源，设置宽泛的检索词，下载知网和万方数据库中，所有相关学术文献及其题录信息[2]。其次进行去重操作，控制下载文献仅包括pdf和caj两种文件格式，利用去重软件对文献进行查重，去重处理资源总库的下载文献。去重处理完毕后，筛选冗余文献信息。最后还要对检索数据库进行填充，补检相应的专业性数据库，补充具有权威性的馆藏文献，当科技查新涉及生产工艺与性能参数时，利用Google搜索引擎，对产品的网上信息进行补查，确保文献数据的充实性[3]。

1.2 基于技术特征构建文献知识图谱

首先利用技术特征对知识网络体系中不同关系，进行明确描述，构建文献信息语义网络，其中技术特征的知识描述关系，从中选取属性-宿主关系、上下位关系、以及相关关系这3种语义关系。首先利用属性-宿主关系，构建文献的网络拓扑结构，通过某一个相同的属性值）属性信息包括作者、关键词、年份等），从而使网络结构无限拓展下去，具体如下图所示：

如上图所示，各个检索词之间的层级关系，按照由大到小的分类级别，对主题词所属分类进行排列，从而构成语义标签的上下位关系。利用权值大小进行排序，公式为：

其中，w为检索词的权重值，q为检索词的一个语素，d为一个搜索结果文档，R（q，d）为语素与文档的相关系数，β为每次计算过程中，检索词跳到初始权值不为0的源顶点概率[4]。确定文献检索的关键词，对查新点进行复核，对检索用词的全称、缩写及简称进行深入分析，对英文选词进行扩展，补充英文文献的关键词。将检索关键词作为链接节点，构成属性关联语义网络，语义标签标注过程中，通过匹配摘要、题目、关键词等属性特征，实现标注[5]。至此完成基于技术特征，文献知识图谱的构建。

1.3 确定文献检索策略

在文献检索库中采用布尔逻辑构造关键词索引倒排文档，提取索引词的位置信息，确定位置信息在原文中的逻辑位置，并在逻辑位置索引词中找出各字的顺序逻辑关系，对各字的位置信息进行记录，将其作为查新文献的分词索引信息，得到查新文献的基本情况[6]。注意检索工具和检索时限的回溯性，扩展检索字段并适当补检新的文献库，慎重推敲反映查新点的检索词，使不同检出文献之间具有可比性，确保查新工作的全面性和准确性[7]。

2 实验论证分析

进行对比实验，即此次设计策略为实验A组，传统文献检索策略为实验B组，比较两组实验的平均查准率。实验文献资源为7000条，在果树栽培的各细分领域，选取果树栽培、施肥、修剪、水分等10个提问词，对10个提问词进行初步探索，获得提示词的相关文献共600条[8]。检索任务在CNKI实际检索平台上进行，当完成第一个检索动作时，根据其技术特征，设置实验初始值，设置单框检索场独立为74.5%，场依存为68.9%，多框检索场独立为18.3%，场依存为1.5%。实验中，改变两组实验检出的相关文档数，比较不同数量下的查准率。第一组对比结果如下图所示：

表1 单检索框的对比结果

由上表可知，当文档检出数量增加时，检索策略的查准率有所下降，但实验A组查准率始终要高于实验B组，A组平均查准率为89.1%，B组平均查准率为83.1%，相比实验，A组查准率提高了6.0%。在第一组实验的基础上，进行第二组实验，其对比结果如下表所示：

由表2可知，使用多个检索框时，文档查准率有所提高，实验A组平均查准率为92.3%，实验B组平均查准率为88.2%，A组平均查准率提高了4.1%。综上所述，此次设计策略提高了文档检索的查准率，为用户提供更加符合要求的科技查新文献。

表2 多检索框的对比结果

3 结论

此次设计策略充分发挥了技术特征的优势，提高了文献检索的查准率。但此次研究仍存在一定不足，数据抽取效率较差，在今后的研究中，会应用正则表达式的抽取方法，对所有形式的文献引用关系进行匹配，提高抽取效率。