CN101604341A - 一种评价网络学术资源重要性的新方法 - Google Patents

Abstract

本发明揭示了一种评价网络学术资源重要性的新方法，属于信息管理领域技术领域。本方案针对网络学术资源的特点，提出了基于支持向量机的排序算法(SVM Ranking：SupportVector Machine Ranking)自动评价网络学术资源重要性的新方法。该方法包括训练和应用两个阶段：训练阶段由专家对一组样本的任意两个标注其相对重要性，然后依据标记样本学习出支持向量机排序模型；在应用阶段，对任意的网络学术资源，训练好的支持向量机排序模型可输出一个实数表示其重要性。支持向量机排序模型被周期更新，每次更新都将基于专家新标记的样本。网络学术资源的重要性可被用来调整检索结果的排序，使把相关性类似但重要性较高的结果排在前面。

Description

一种评价网络学术资源重要性的新方法

技术领域

本发明揭示了一种基于支持向量机排序模型来评价网络学术资源重要性的方法，属于信息管理的技术范畴，可应用到互联网上学术性资源的重要性评价、网络学术资源检索结果的排序。在学科上属于现代图书馆学、情报学范畴。

背景技术

网络学术资源是互联网上的和学术有关的数字化资源。网络学术资源数量巨大，种类繁多，学科覆盖面广，并且具有一定的学术价值，是传统学术资源，例如学术期刊的重要补充。

但和学术期刊等传统的学术资源不同，互联网学术资源的发表过程缺少严格的专家评审过程，直接揭示其重要性的字段乏善可陈，例如，一般没有参考文献信息，也一般缺少作者机构等字段。迄今没有一套评价互联网学术资源的重要性的方案。

另一方面学术资源的重要性又是一个读者非常关注的重要属性。一般而言，读者总是倾向于优先阅读重要性较高的文献。传统的学术期刊类的资源，可以用各种基于文献引用关系计算出的引用因子计算出影响因子来衡量其重要性。这种计算方法得到了作者和读者的广泛认可。如前所述，这种方法，对网络学术资源并不适用。

本发明提出了基于支持向量机的排序算法自动评价网络学术资源重要性的新方法。每个网络学术资源表示为一个特征向量；特征向量包括静态特征和动态特征两类：静态特征是网络学术资源初次下载时可获得的特征，如资源类型，发布该资源的站点等；动态特征是网络学术资源在使用过程中积累的特征，如下载量，点击次数，用户反馈评级等。该方法包括训练和应用两个阶段：训练阶段由专家对一组样本的任意两个标注其相对重要性，然后依据标记样本学习出支持向量机排序模型；在应用阶段，对任意的网络学术资源，训练好的支持向量机排序模型可输出一个实数表示其重要性。周期性的由专家重新标记样本，并更新基于支持向量机排序模型。网络学术资源的重要性可被用来调整检索结果的排序，使把相关性类似但重要性较高的结果排在前面，这样大大提高读者利用网络学术文献资源的效率。

发明内容

本发明揭示了一种基于支持向量机排序模型来评价网络学术资源重要性的方法，属于信息管理的技术范畴。本发明的具体内容如下：

(1)用特征向量表示网络学术文献资源

特征向量包括静态特征和动态特征两类。静态特征是网络学术资源初次下载时可获得的特征：文献类型、文件格式、发布该资源的页面的PageRank值、是否图文、文字字数、作者机构、等等。

动态特征是网络学术资源在使用过程中积累的特征：下载量、点击次数、用户反馈评级、等等。

这样每个网络学术文献资源可表示为列向量d＝(f₁，f₂，...，f_i，...，f_n)^T，其中f_i为特征i的值。

(2)随机选择一批网络学术文献，由专家标记其相对重要性

用S＝{d₁，d₂，...，d_i，...，d_m}表示随机选出的样本，现在由专家制定样本间的相对重要性，也就是对两个样本d_i，d_j，如果前者比后者重要，则标记d_i＞d_j，如果后者比前者重要，则标记d_j＞d_i。如果专家对两个样本的相对重要性认识有分歧，则按多胜少的投票原则，决定最终的标记。

(3)训练支持向量机排序模型

确定线性函数F(d)＝w·d，中的w，并且如果d_i＞d_j，那么w·d_i＞w·d_j。转化为如下的优化问题：

$\min \{w\·w+C\×\underset{i,j}{\mathrm{\Σ}}{\mathrm{\ξ}}_{\mathrm{ij}}\}$

满足： ${\∀d}_i>d_j,$ w·d_i≥w·d_j+1-ξ_ij，ξ_ij≥0

根据专家标记的训练样本，并用标准的SVM相关的训练工具(如SVM-light)，可确定w。

(4)计算网络学术资源的重要性

F(d)＝w·d是一个实数，作为网络学术资源d的重要性。

(5)周期性更新网络学术资源的权重

网络学术资源在使用过程中，其动态特征，例如下载次数、浏览次数，会发生变化。这样每隔一段时间，例如半年，就重复上面1～4步骤，更新网络学术资源的权重。

(6)用网络学术资源重要性调整检索结果

如下修改检索结果相关度：R′(d，Q)＝I(d)·R(d，Q)，Q表示查询，d表示网络学术资源，R′，R分别是网络学术资源d相对于查询Q修改后和修改前的相关度，I(d)大于0的，并且是网络学术资源d重要性的单调非递减函数。

本方案的优点

本发明揭示了一种基于支持向量机排序模型来评价网络学术资源重要性的方法，能改善检索结果的排序，并提高用户利用网络学术资源的效率。

1、把每个网络学术资源表示为一个特征向量。表示时，综合考虑网络学术资源本身的特征以及在使用过程中积累起来的动态特征。

2、随机挑选一批网络学术资源，由专家指定其相对重要性；并用投票机制解决样本标记的分歧。

3、根据专家标记的样本训练基于支持向量机排序模型，该模型将对每个网络学术资源特征向量，输出实数值表示其重要性。这是一个全自动的过程，没有人工干预；

4、周期性的由专家重新标记样本，并相应更新基于支持向量机排序模型。这样能充分利用用户在使用网络学术资源中贡献的反馈信息；

5、把网络学术资源重要性和检索结果相关度的计算结合起来，把把相关性类似但重要性较高的结果排在前面。

具体实施方案

第一步，由专业编辑用人工方法提取网络学术资源的静态特征。

第二步，对每个网络学术资源，完善其动态特征。动态特征提取主要来自检索系统的日志信息。

第三步，按专题选择训练样本，由专家标记其相对重要性。

第四步，对每个专题，根据训练样本学习出支持向量机的排序模型。

第五步，对每个专题，依据学习出来的支持向量机排序模型计算每个网络学术资源的重要性。

第六步，周期性的重复二～五步。

附图说明

附图是一种评价网络学术资源重要性的新方法的原理图。详见《说明书附图》。

Claims (6)

1.一种评价网络学术资源重要性的新方法，该方案具有如下特点：

(1)每个网络学术资源表示为一个特征向量；特征向量包括静态特征和动态特征两类：静态特征是网络学术资源初次下载时可获得的特征，如资源类型，发布该资源的站点等；动态特征是网络学术资源在使用过程中积累的特征，如下载量，点击次数，用户反馈评级等；

(2)随机挑选一批网络学术资源，由专家指定其相对重要性；并用投票机制解决样本标记的分歧；

(3)根据专家标记的样本训练基于支持向量机排序模型，该模型将对每个网络学术资源特征向量，输出实数值表示其重要性；

(4)周期性的由专家重新标记样本，并更新基于支持向量机排序模型；

(5)网络资源重要性作为检索结果排序的依据，使把相关性类似但重要性较高的结果排在前面在其他在检索结果相关度。

2.如权利要求1中的评价网络学术资源重要性的新方法的特点所述，该方法用动态特征和静态特征来描述网络学术资源。

3.如权利要求1中的评价网络学术资源重要性的新方法的特点所述，该方法用随机挑选一批网络学术资源，由专家指定其相对重要性，并用投票机制解决样本标记的分歧。

4.如权利要求1中的评价网络学术资源重要性的新方法的特点所述，该方法根据专家标记的样本训练基于支持向量机排序模型，该模型将对每个网络学术资源特征向量，输出实数值表示其重要性。

5.如权利要求1中的评价网络学术资源重要性的新方法的特点所述，该方法周期性的由专家重新标记样本，并更新基于支持向量机排序模型。

6.如权利要求1中的评价网络学术资源重要性的新方法的特点所述，该方法计算出的网络资源重要性可作为检索结果排序的依据，使把相关性类似但重要性较高的结果排在前面。

Images