[发明专利]面向科技资源学科及研究主题信息的检索查询方法及系统

说明书

本发明提供一种面向科技资源学科及研究主题信息的检索查询方法及系统，包括：获取科技资源信息数据的关键词，并构建关键词词库；通过BERT预训练模型生成关键词的词向量及各学科的学科名称的词向量；基于各学科名称的词向量以及关键词的词向量通过聚类算法对关键词进行聚类分析；获取历史预定时段内各类关键词所属的研究主题下的成果发表历史数据，并根据各成果发表历史数据预测未来预定时段内各类关键词所属的研究主题的成果发表发展趋势；根据未来预定时段内的各类关键词所属的研究主题下的成果数量确定各研究主题的影响力指数；根据研究主题的成果发表发展趋势以及研究主题的影响力指数确定各研究主题的排列顺序，以根据排列顺序确定检索查询结果。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种面向科技资源学科及研究主题信息的检索查询方法及系统。

背景技术

近年来，各信息检索平台不断发展，越来越多的用户倾向于在检索平台上查找自己所需的科技资源信息，这种现象在一定程度上促进了互联网中多种类型的科技资源库的发展。在这样的形势下，用户想要浏览参阅某一领域下的科技资源信息，比如自然基金、学术论文、专利信息等，便会检索不同的资源平台和系统。然而，这些平台在科技资源的属性等方面存在内容重复度高的问题，用户需要逐个检索、人工整合并筛选这些数据，才能获得想要的结果，这不仅浪费了用户的时间，还降低了检索效率。

网络中不同来源的科技资源信息有着不同的特征，大多数的科技资源检索方法及系统都是从关键词的角度对科技资源进行检索，应用分词等方法，以用户输入的信息来最大程度地概括其想要搜索的内容，在学科和研究主题的分析方面，多为在产生了搜索结果后再聚合学科和研究主题类别，只从筛选的角度考虑不同类别，不会对不同的学科和研究主题的关系和影响力加以分析。但随着近代科学的发展以及互联网中的科技信息的日益丰富，不同学科之间相互交叉及相互渗透，且不同学科之间相互融合又催生新的研究方向，科研工作者通过发表论文等形式分享自己的研究成果，他们也会通过检索等方式了解其他人的研究进展，对于科研工作者来说，了解学科动态和热点研究主题有利于他们深入探索不同的研究方向。

目前，对于交叉学科的研究一般是通过计算两个学科的研究主题的相似程度，从而得到两个学科之间的关系。但由于科技资源的独特性，传统的理论与模型难以直接用于具有多源异构特性的科技资源信息数据的分析和处理。例如，某个科研领域中既有发表的论文，又有申请的自然基金的项目，同时还有相关的资讯新闻，这些信息包含的属性各不相同，但都与该科研领域有着密切的联系，另由于学科与学科之间的交叉特性，这些信息可能属于不同的学科；而目前传统的理论与模型针对用户输入的关键词无法准确的检索出科技资源信息中隐含的学科及研究主题，因而无法实现对于科技资源学科及研究主题信息的高效检索查询。因此，基于关键词如何实现科技资源学科及研究主题信息的高效检索查询是亟待解决的技术问题。

发明内容

有鉴于此，本发明提供了一种面向科技资源学科及研究主题信息的检索查询方法及系统，以解决现有技术中存在的一个或多个问题。

根据本发明的一个方面，本发明公开了一种面向科技资源学科及研究主题信息的检索查询方法，所述方法包括：

获取科技资源信息数据的关键词，基于获取到的所述关键词构建关键词词库；

通过BERT预训练模型生成所述关键词的词向量及各学科的学科名称的词向量；

基于各学科名称的词向量以及关键词的词向量通过聚类算法对所述关键词进行聚类分析，并获取各类关键词所属的研究主题及学科对应的标签；

获取历史预定时段内各类关键词所属的研究主题下的成果发表历史数据，并根据获取到的各研究主题下的成果发表历史数据预测未来预定时段内各类关键词所属的研究主题的成果发表发展趋势；

根据预测到的未来预定时段内的各类关键词所属的研究主题下的成果数量确定各所述研究主题的影响力指数；