CN107992524B - 一种专家信息搜索及领域评分计算方法 - Google Patents

Abstract

一种专家信息搜索及领域评分计算方法，包括以下步骤：步骤一：使用Elasticsearch存储专家的基本信息和成果信息；步骤二：根据成果信息计算专家的领域评分，并将得分更新到相应专家基本信息索引中；步骤三：获取搜索词，检索专家基本信息和成果信息，并计算得到专家的基本信息评分、按照专家进行聚合和计算得到专家成果评分；步骤四：将专家基本信息评分与专家成果评分标准化后进行加权计算得到专家的检索相关度评分；步骤五：将专家检索相关度评分与专家领域评分进行加权计算得到专家的最终评分。存储专家的信息并对专家进行领域分类，计算得到专家的最终评分，依据用户提供的搜索词和Elasticsearch提供检索服务，对领域专家搜索结果的排序提供了重要的依据。

Description

一种专家信息搜索及领域评分计算方法

技术领域

本发明属于搜索引擎技术领域，涉及一种专家信息搜索及领域评分计算方法。

背景技术

Elasticsearch是一个开源搜索引擎，建立在ApacheLucene基础之上。Elasticsearch使用Java编写，以Lucene为核心提供数据索引和搜索的功能，使用RESTfulAPI对外提供服务。Elasticsearch提供了非常丰富的搜索API，同时提供了多种数据聚合分析的方法，使得海量数据的搜索和分析变得非常容易。

领域专家搜索是指根据用户输入的搜索词，从存储的专家信息中进行检索，进而获取与搜索词相关的领域专家的过程。领域专家搜索评分方法是指对相关的领域专家进行评分的计算方法，主要用于检索结果领域专家的排序，评分越高的专家排名越靠前。

目前暂未发现领域专家搜索系统方面的发明，国内的一些学术网站，例如：百度学术、知网、万方等提供了学者搜索的功能，与领域专家搜索有一定的类似。百度学术的学者搜索主要是根据学者的姓名以及学者的机构名进行检索；知网提供了更多的检索条件：学者的姓名、机构名、研究领域、成果数量、第一作者成果数、被引用次数；万方学术则根据学者的姓名、机构名、学科信息来进行检索。可以看到，学术网站的学者搜索均使用了学者的基本信息进行检索，而对于学者的成果信息，只有知网使用了一些统计类成果数据进行过滤操作，这使得搜索结果的评分排序很大程度上依赖于学者的基本信息。此外，学术网站对搜索词的搜索很大一部分局限在人名、机构名和研究领域方向上，这些字段包含的信息过于狭窄，因此很多时候会搜不到相关学者。

发明内容

针对现有技术的不足，本发明提供了一种专家信息搜索及领域评分计算方法，利用Elasticsearch索引存储各个领域的专家的基本信息以及成果信息，同时根据专家基本信息对专家进行领域分类，并根据成果信息计算领域评分。最终，依据用户提供的搜索词，使用Elasticsearch提供检索服务，综合检索结果中的专家基本信息、成果信息以及领域评分，计算得到专家最终的评分数据，对领域专家搜索结果的排序，提供了重要的依据。

为实现上述目的，本发明采用以下技术方案：

一种专家信息搜索及领域评分计算方法，其特征在于，包括以下步骤：

步骤一：使用Elasticsearch存储专家的基本信息和成果信息；

步骤二：根据成果信息计算专家的领域评分，并将得分更新到相应专家基本信息索引中；

步骤三：获取搜索词，根据搜索词检索专家基本信息和成果信息，并计算得到专家的基本信息评分、按照专家进行聚合和计算得到专家成果评分；

步骤四：将专家基本信息评分与专家成果评分标准化后进行加权计算得到专家的检索相关度评分；

步骤五：将专家检索相关度评分与专家领域评分进行加权计算得到专家的最终评分。其中，步骤一包括：

步骤1a：根据专家基本信息为每一个专家新建唯一标识；

步骤1b：将所有专家的所属领域归类，共分为学术、产业、政策三个领域；

步骤1c：在专家的成果信息里新建字段存储每个成果对应专家的唯一标识，其中，一个成果可以对应多个专家，即一个成果可以存储多个专家的唯一标识；

步骤1d：将专家的基本信息和专家的成果信息分别存储在不同的索引里。

步骤1b中所述的对领域计算因子进行标准化，采用阶梯函数，如对成果发布日期与当前日期的差值进行标准化：

0≤a≤18，标准化为1.0；

19≤a≤36差值在19-36之间，标准化为0.9；

37≤a≤42差值在37-42之间，标准化为0.8；

43≤a≤48差值在43-48之间，标准化为0.7；

49≤a≤60差值在49-60之间，标准化为0.6；

a≥61，标准化为0.5；

其中a为成果发布日期与当前月份的差值。

步骤二包括：

步骤2a：根据专家成果信息，分别获取专家在三个领域中的成果数量、成果下载数量、成果引用数量、成果收藏数量、成果查看数量、成果发布日期，作为领域评分的计算因子；

步骤2b：分别取三个领域中各个计算因子中的最大值作为标准化基准，对领域评分的计算因子进行标准化；

步骤2c：分领域对计算因子进行加权计算得到专家在三个领域中的评分；

步骤2d：对专家在三个领域中的评分进行加权计算得到专家的领域评分，并将得分更新到相应专家基本信息索引中。

其中，领域评分需要定期计算，定期更新；步骤2c中，计算专家在学术、产业、政策三个领域中的评分时，对于不同的领域，各个计算因子的加权权重需重新调整，再进行该领域得分的计算；步骤2d中，对专家在三个领域中的评分进行加权计算，对于不同领域的专家，需使用不同的加权权重进行评分计算，其中专家所在的领域对应的权重因子高于其他领域的权重因子。

步骤三中，专家基本信息评分计算方法为：

步骤3-1a：对基本信息检索条件中不同的字段设置不同的权重值；

步骤3-1b：设置只获取评分最高的前200条记录；

步骤3-1c：获取检索结果，取检索结果中的最大评分作为基准值，对检索结果的评分进行标准化，得到专家基本信息评分。

聚合和计算得到专家成果评分具体步骤为：

步骤3-2a：对专家成果检索条件中不同的字段设置不同的权重值；

步骤3-2b：添加Term聚合，设置聚合字段为专家成果存储的专家唯一标识字段；

步骤3-2c：对步骤3-2b的聚合添加过滤条件，设置专家唯一标识不为空且最小匹配文档个数为1；

步骤3-2d：对步骤3-2b的聚合添加Sum子聚合条件，设置对搜索词检索结果的评分字段进行求和；

步骤3-2e：对步骤3-2b的聚合添加Top Hits子聚合条件，设置根据搜索词检索结果的评分字段进行倒序排序，且只获取前10条结果；

步骤3-2f：对步骤3-2b的聚合设置大小为200；

步骤3-2g：获取检索结果，提取聚合结果中专家唯一标识对应的成果数、评分总和以及前10条评分最高的文档；

步骤3-2h：在全部结果中分别取最大成果数与最大评分总和最为基准值，对每一个专家的成果数和评分总和进行标准化，并对标准化的结果进行加权计算得到专家的成果评分。

步骤四包括：

步骤4a：建立字典集合存储专家的评分信息，其中字典集合的键为专家的唯一标识，值为专家的评分集合，评分集合有三个元素，第一个元素用于记录专家基本信息评分，第二个元素用于记录专家成果信息评分，第三个元素用于记录专家相关度评分，评分集合的三个元素的初始值均为0；

步骤4b：遍历专家基本信息评分，将专家基本评分添加到字典集合；

步骤4c：遍历专家成果评分，将专家成果评分添加到字典集合；

步骤4d：遍历字典集合，获取专家的基本信息评分和成果评分，进行加权计算得到最终专家的搜索相关度评分。

步骤五包括：

步骤5a：根据专家评分信息字典集合获取字典集合中全部专家唯一标识；

步骤5b：根据全部专家唯一标识从专家基本信息索引批量请求数据；

步骤5c：获取专家基本信息数据；

步骤5d：依据专家唯一标识将专家评分信息与专家基本信息进行一一对应；

步骤5e：获取专家评分信息中的专家相关度评分和专家基本信息中的专家领域评分，进行加权计算得到专家的最终评分。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、对专家按照领域计算领域评分，专家所在的领域对应的权重因子高于其他领域的权重因子，这使得领域评分更为公平；

2、领域专家搜索评分的计算，不仅仅依赖于专家的基本信息，还依赖于专家的成果信息，且两者之间的权重关系可以进行调节，同时专家的领域得分也影响对评分的计算，因此领域专家的评分更加全面，更能反应搜索词与专家之间的关系。

附图说明

图1是本发明一种专家信息搜索及领域评分计算方法的流程图；

具体实施方式

参照图1，一种专家信息搜索及领域评分计算方法，其特征在于，包括以下步骤：

步骤一：使用Elasticsearch存储专家的基本信息和成果信息，步骤一具体包括：

步骤1a：根据专家基本信息为每一个专家新建唯一标识；

步骤1b：将所有专家的所属领域归类，共分为学术、产业、政策三个领域；

步骤1c：在专家的成果信息里新建字段存储每个成果对应专家的唯一标识，其中，一个成果可以对应多个专家，即一个成果可以存储多个专家的唯一标识；

步骤1d：将专家的基本信息和专家的成果信息分别存储在不同的索引里。

步骤1b中所述的对领域计算因子进行标准化，采用阶梯函数，如对成果发布日期与当前日期的差值进行标准化：

0≤a≤18，标准化为1.0；

19≤a≤36差值在19-36之间，标准化为0.9；

37≤a≤42差值在37-42之间，标准化为0.8；

43≤a≤48差值在43-48之间，标准化为0.7；

49≤a≤60差值在49-60之间，标准化为0.6；

a≥61，标准化为0.5；

其中a为成果发布日期与当前月份的差值。

步骤二：根据成果信息计算专家的领域评分，并将得分更新到相应专家基本信息索引中，步骤二具体包括：

步骤2a：根据专家成果信息，分别获取专家在三个领域中的成果数量、成果下载数量、成果引用数量、成果收藏数量、成果查看数量、成果发布日期，作为领域评分的计算因子；

步骤2b：分别取三个领域中各个计算因子中的最大值作为标准化基准，对领域评分的计算因子进行标准化；

步骤2c：分领域对计算因子进行加权计算得到专家在三个领域中的评分；

步骤2d：对专家在三个领域中的评分进行加权计算得到专家的领域评分，并将得分更新到相应专家基本信息索引中。

其中，领域评分需要定期计算，定期更新；步骤2c中，计算专家在学术、产业、政策三个领域中的评分时，对于不同的领域，各个计算因子的加权权重需重新调整，再进行该领域得分的计算；步骤2d中，对专家在三个领域中的评分进行加权计算，对于不同领域的专家，需使用不同的加权权重进行评分计算，其中专家所在的领域对应的权重因子高于其他领域的权重因子。

步骤三：获取搜索词，根据搜索词检索专家基本信息和成果信息，并计算得到专家的基本信息评分、按照专家进行聚合和计算得到专家成果评分，其中：

专家基本信息评分计算方法为：

步骤3-1a：对基本信息检索条件中不同的字段设置不同的权重值；

步骤3-1b：设置只获取评分最高的前200条记录；

步骤3-1c：获取检索结果，取检索结果中的最大评分作为基准值，对检索结果的评分进行标准化，得到专家基本信息评分。

聚合和计算得到专家成果评分具体步骤为：

步骤3-2a：对专家成果检索条件中不同的字段设置不同的权重值；

步骤3-2b：添加Term聚合，设置聚合字段为专家成果存储的专家唯一标识字段；

步骤3-2c：对步骤3-2b的聚合添加过滤条件，设置专家唯一标识不为空且最小匹配文档个数为1；

步骤3-2d：对步骤3-2b的聚合添加Sum子聚合条件，设置对搜索词检索结果的评分字段进行求和；

步骤3-2e：对步骤3-2b的聚合添加Top Hits子聚合条件，设置根据搜索词检索结果的评分字段进行倒序排序，且只获取前10条结果；

步骤3-2f：对步骤3-2b的聚合设置大小为200；

步骤3-2g：获取检索结果，提取聚合结果中专家唯一标识对应的成果数、评分总和以及前10条评分最高的文档；

步骤3-2h：在全部结果中分别取最大成果数与最大评分总和最为基准值，对每一个专家的成果数和评分总和进行标准化，并对标准化的结果进行加权计算得到专家的成果评分。

步骤四：将专家基本信息评分与专家成果评分标准化后进行加权计算得到专家的检索相关度评分，其中：

步骤4a：建立字典集合存储专家的评分信息，其中字典集合的键为专家的唯一标识，值为专家的评分集合，评分集合有三个元素，第一个元素用于记录专家基本信息评分，第二个元素用于记录专家成果信息评分，第三个元素用于记录专家相关度评分，评分集合的三个元素的初始值均为0；

步骤4b：遍历专家基本信息评分，将专家基本评分添加到字典集合；

步骤4c：遍历专家成果评分，将专家成果评分添加到字典集合；

步骤4d：遍历字典集合，获取专家的基本信息评分和成果评分，进行加权计算得到最终专家的搜索相关度评分。

步骤五：将专家检索相关度评分与专家领域评分进行加权计算得到专家的最终评分，步骤五具体包括：

步骤5a：根据专家评分信息字典集合获取字典集合中全部专家唯一标识；

步骤5b：根据全部专家唯一标识从专家基本信息索引批量请求数据；

步骤5c：获取专家基本信息数据；

步骤5d：依据专家唯一标识将专家评分信息与专家基本信息进行一一对应；

步骤5e：获取专家评分信息中的专家相关度评分和专家基本信息中的专家领域评分，进行加权计算得到专家的最终评分。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围。

Claims (4)

1.一种专家信息搜索及领域评分计算方法，其特征在于，包括以下步骤：

步骤一：使用Elasticsearch存储专家的基本信息和成果信息；

步骤二：根据成果信息计算专家的领域评分，并将得分更新到相应专家基本信息索引中；

步骤二包括：

步骤2a：根据专家成果信息，分别获取专家在三个领域中的成果数量、成果下载数量、成果引用数量、成果收藏数量、成果查看数量、成果发布日期，作为领域评分的计算因子，所述三个领域分别为学术、产业、政策三个领域；

步骤2b：分别取三个领域中各个计算因子中的最大值作为标准化基准，对领域评分的计算因子进行标准化；

步骤2c：分领域对计算因子进行加权计算得到专家在三个领域中的评分；

步骤2d：对专家在三个领域中的评分进行加权计算得到专家的领域评分，并将得分更新到相应专家基本信息索引中；

其中，领域评分需要定期计算，定期更新；步骤2c中，计算专家在学术、产业、政策三个领域中的评分时，对于不同的领域，各个计算因子的加权权重需重新调整，再进行该领域得分的计算；步骤2d中，对专家在三个领域中的评分进行加权计算，对于不同领域的专家，需使用不同的加权权重进行评分计算，其中专家所在的领域对应的权重因子高于其他领域的权重因子；

步骤三：获取搜索词，根据搜索词检索专家基本信息和成果信息，并计算得到专家的基本信息评分、按照专家进行聚合和计算得到专家成果评分；

专家基本信息评分计算方法为：

步骤3-1a：对基本信息检索条件中不同的字段设置不同的权重值；

步骤3-1b：设置只获取评分最高的前200条记录；

步骤3-1c：获取检索结果，取检索结果中的最大评分作为基准值，对检索结果的评分进行标准化，得到专家基本信息评分；

聚合和计算得到专家成果评分具体步骤为：

步骤3-2a：对专家成果检索条件中不同的字段设置不同的权重值；

步骤3-2b：添加Term聚合，设置聚合字段为专家成果存储的专家唯一标识字段；

步骤3-2c：对步骤3-2b的聚合添加过滤条件，设置专家唯一标识不为空且最小匹配文档个数为1；

步骤3-2d：对步骤3-2b的聚合添加Sum子聚合条件，设置对搜索词检索结果的评分字段进行求和；

步骤3-2e：对步骤3-2b的聚合添加Top Hits子聚合条件，设置根据搜索词检索结果的评分字段进行倒序排序，且只获取前10条结果；

步骤3-2f：对步骤3-2b的聚合设置大小为200；

步骤3-2g：获取检索结果，提取聚合结果中专家唯一标识对应的成果数、评分总和以及前10条评分最高的文档；

步骤3-2h：在全部结果中分别取最大成果数与最大评分总和最为基准值，对每一个专家的成果数和评分总和进行标准化，并对标准化的结果进行加权计算得到专家的成果评分；

步骤四：将专家基本信息评分与专家成果评分标准化后进行加权计算得到专家的检索相关度评分；

步骤四包括：

步骤4a：建立字典集合存储专家的评分信息，其中字典集合的键为专家的唯一标识，值为专家的评分集合；

步骤4b：遍历专家基本信息评分，将专家基本评分添加到字典集合；

步骤4c：遍历专家成果评分，将专家成果评分添加到字典集合；

步骤4d：遍历字典集合，获取专家的基本信息评分和成果评分，进行加权计算得到最终专家的搜索相关度评分；

步骤五：将专家检索相关度评分与专家领域评分进行加权计算得到专家的最终评分。

2.根据权利要求1所述的一种专家信息搜索及领域评分计算方法，其特征在于，步骤一包括：

步骤1a：根据专家基本信息为每一个专家新建唯一标识；

步骤1b：将所有专家的所属领域归类，共分为学术、产业、政策三个领域；

步骤1c：在专家的成果信息里新建字段存储每个成果对应专家的唯一标识；

步骤1d：将专家的基本信息和专家的成果信息分别存储在不同的索引里。

3.根据权利要求1所述的一种专家信息搜索及领域评分计算方法，其特征在于：步骤4a中评分集合有三个元素，三个元素的初始值均为0。

4.根据权利要求1所述的一种专家信息搜索及领域评分计算方法，其特征在于，步骤五包括：

步骤5a：根据专家评分信息字典集合获取字典集合中全部专家唯一标识；

步骤5b：根据全部专家唯一标识从专家基本信息索引批量请求数据；

步骤5c：获取专家基本信息数据；

步骤5d：依据专家唯一标识将专家评分信息与专家基本信息进行一一对应；

步骤5e：获取专家评分信息中的专家相关度评分和专家基本信息中的专家领域评分，进行加权计算得到专家的最终评分。

Images