CN113220867A - 一种基于人工智能的全平台文献自动检索系统 - Google Patents

一种基于人工智能的全平台文献自动检索系统 Download PDF

Info

Publication number
CN113220867A
CN113220867A CN202110493846.3A CN202110493846A CN113220867A CN 113220867 A CN113220867 A CN 113220867A CN 202110493846 A CN202110493846 A CN 202110493846A CN 113220867 A CN113220867 A CN 113220867A
Authority
CN
China
Prior art keywords
unit
information
documents
retrieval
document
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110493846.3A
Other languages
English (en)
Inventor
夏峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Tongyuan Network Inc
Original Assignee
Hunan Tongyuan Network Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Tongyuan Network Inc filed Critical Hunan Tongyuan Network Inc
Priority to CN202110493846.3A priority Critical patent/CN113220867A/zh
Publication of CN113220867A publication Critical patent/CN113220867A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于人工智能的全平台文献自动检索系统，包括需求录入单元、需求分析单元、验证单元、登录单元、处理器、显示单元、数据检索单元、检索回验单元、探寻单元、留存库和测验分析单元；本发明通过需求录入单元用于用户录入目标信息，目标信息包括文献领域和目标简介；之后借助登陆单元用于采集用户的登陆信息，并借助验证单元用于对登录信息进行随机验证，并根据验证结果产生允通信号；之后需求分析单元在接收到验证单元传输的允通信号时进行工作，接收需求录入单元传输的目标信息；并对目标信息进行简化处理，得到关键信息和文献领域组成的简后信息；之后借助数据检索单元，结合探寻单元在互联网中进行检索相关操作，得到终选文献。

Description

一种基于人工智能的全平台文献自动检索系统
技术领域
本发明属于文件检索领域，具体是一种基于人工智能的全平台文献自动检索系统。
背景技术
公开号为CN1871605的专利公开了一种检索装置，其基于包含在作为来自用户的问题形式的检索请求的问题中的关键字来检索相关的文献。所述检索装置提取与所述关键字相关并且包含在所述检索到的文献中的描述作为第一概要。概要提取单元从形成由文献检索结果指示的文献的原始文献数据中提取对应于与由问题类型确定单元确定的所述问题的问题类型相匹配的回答的描述作为第二概要。所述原始文献数据被包括在存储于原始文献数据库中并且形成每一篇作为检索目标的文献的原始文献数据中。接口在显示装置上显示所述文献检索结果以及所述提取的第二概要的列表。所述文献检索结果包括所述提取的第一概要的列表。
但是，其针对文献检索，没有结合用户习惯，也不够智能化判定文献的相关程度，无法做到足够精细化筛选；基于此，现提供一种解决方案。
发明内容
本发明的目的在于提供一种基于人工智能的全平台文献自动检索系统。
本发明的目的可以通过以下技术方案实现：
一种基于人工智能的全平台文献自动检索系统，包括需求录入单元、需求分析单元、验证单元、登录单元、处理器、显示单元、数据检索单元、检索回验单元、探寻单元、留存库和测验分析单元；
其中，所述需求录入单元用于用户录入目标信息，目标信息包括文献领域和目标简介；所述文献领域具体为对应所需文献的所属领域，目标简介即为对应所需文献的简要描述；
所述登陆单元用于采集用户的登陆信息，登陆信息包括用户账号、密钥、指纹、人脸信息；所述登陆单元用于将登陆信息传输到验证单元，所述验证单元用于对登录信息进行随机验证，并根据验证结果产生允通信号；
所述验证单元用于将允通信号传输到需求分析单元；
所述需求分析单元只有在接收到验证单元传输的允通信号时才会进行工作，接收需求录入单元传输的目标信息；所述需求分析单元用于对目标信息进行简化处理，得到关键信息和文献领域组成的简后信息；
所述需求分析单元用于将简后信息传输到处理器，所述处理器接收需求分析单元传输的简后信息并将其传输到数据检索单元，所述数据检索单元用于结合探寻单元在互联网中进行检索相关操作，得到终选文献；
所述数据检索单元用于将所有的终选文献传输到检索回验单元，用户通过检索回验单元对终选文献进行选取，将用户选中的终选文献标记为标的文献；
所述检索回验单元用于将标的文献传输到处理器，所述处理器用于将标的文献传输到显示单元进行显示。
进一步地，随机验证具体步骤为：
步骤一：获取到登陆信息，和上传登陆信息的时间点；
步骤二：以月日时分的形式获取到时间点，按照月日时分的顺序获取到时间点的数值，得到时间组，将其标记为Ti，i＝1...8；
步骤三：之后利用公式计算随机选值，具体的计算公式如下：
Figure BDA0003053524320000021
步骤四：获取到随机选值个位上的数值，将其标记定位特定值，
当特定值为0时，对密钥、指纹、人脸信息均进行验证；
当特定值为奇数时，对密钥和指纹一起进行验证；
当特定值为偶数时，对密钥和人脸信息一起进行验证；
步骤五：按照步骤四的原理对相应登陆信息进行身份确认，当核准正确之后，产生允通信号。
进一步地，简化处理具体的步骤为：
S1：获取到目标信息内的目标简介；
S2：对目标简介进行分词处理，得到若干个分词后组成的词、字，将其标记为独立单项；
S3：之后获取到每个独立单项的次数，去除表征单项；表征单项为用户预设的无效词语，即为语气词、无实意的词语；
S4：之后得到去除表征单项后的独立单项，将其标记为Dj，j＝1...m；将对应的出现次数，将其标记为迭代数Hj，j＝1...m；Hj和Dj一一对应；
S5：根据迭代数Hj从大到小的顺序进行排序，当次数相同的独立单项的个数超过X1个时，X1为预设数值；此时将出现在该独立单项前的所有独立单项标记为关键信息；
S6：得到关键信息和文献领域，融合形成简后信息。
进一步地，检索相关操作具体步骤为：
S01：获取到简后信息；
S02：之后首先进行初选，根据简后信息内的文献领域获取到同领域的所有文献，将其标记为一选文献；
S03：之后获取到所有一选文献的发表时间，获取到最早发表到最晚发表的文献之间的时间跨度；
S04：将时间跨度除以X2，X2为预设值，具体可取值为10或者其它数值；
S05：将时间跨度分为X2个时间阶段；
S06：任选一时间阶段；
S07：获取对应时间阶段内的所有一选文献，根据一选文献的引用次数进行从大到小排序；
S08：取得排名前二，最后两名以及位于正中间的两名；
S09：得到对应该时间阶段的二选文献；
S010：任选下一时间阶段，重复步骤S07-S010，直到对所有的时间阶段处理完毕；
S011：得到所有的二选文献，组成二选文献组；
S012：之后对二选文献组进行相关度判定，得到终选文献。
进一步地，步骤S08中的排名位于正中间判定方式为：
将一选文献的数量除以二，若能整除，则获取对应该中值排名的一选文献和位于其前一位的一选文献；
若无法整除，则取该值前后各一位的一选文献。
进一步地，步骤S012中的相关度判定具体规则如下：
S0121：获取到所有的二选文献；同时获取到简后信息内的关键信息；
S0122：获取到所有的关键信息在所有二选文献内出现的次数，将其标记为命中次数；
S0123：之后获取到关键信息在所有二选文献内的出现的个数占关键信息总个数的比例，将其标记为全系占比；
S0124：根据公式计算所有二选文献的有效值，具体计算公式为：
有效值＝0.43*全系占比+0.57*命中次数；
式中，0.43和0.57为权值，因为不同因素对最终结果影响不同，故引入权值予以体现；
S0125：按照有效值从大到小进行排序，将排名处于前百分之二十的二选文献标记为终选文献。
进一步地，所述处理器还用于将用户身份及其对应的标的文献和检索时间融合形成检索记录通过数据检索单元传输到留存库；所述留存库接收数据检索单元传输的检索记录并进行实时存储。
进一步地，所述验证单元还用于获取用户的身份信息将其传输到测验分析单元；所述测验分析单元用于对留存库内的检索记录进行惯性分析，惯性分析具体步骤为：
SS1：获取到用户身份信息，及其对应的标的文献；
SS2：获取到文献作者、文献来源，文献来源即为对应文献的发布平台；
SS3：将文献作者和文献来源标记为热门信息；
SS4：将热门信息通过留存库返回到数据检索单元；
SS5：后续数据检索单元在检索同类的文献领域时，会优先将热门信息对应的二选文献，当其排名处于前百分之四十时标记为终选文献，并按顺序排出靠后的其他文献；
SS6：得到新的终选文献。
本发明的有益效果：
本发明通过需求录入单元用于用户录入目标信息，目标信息包括文献领域和目标简介；之后借助登陆单元用于采集用户的登陆信息，并借助验证单元用于对登录信息进行随机验证，并根据验证结果产生允通信号；
之后需求分析单元在接收到验证单元传输的允通信号时进行工作，接收需求录入单元传输的目标信息；并对目标信息进行简化处理，得到关键信息和文献领域组成的简后信息；之后借助数据检索单元，结合探寻单元在互联网中进行检索相关操作，得到终选文献；
再之后会借助用户通过检索回验单元对终选文献进行选取，将用户选中的终选文献标记为标的文献；并记住用户的选择，提取相关特性，作为下一次检索的优先权；本发明简单有效，易于实用。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
如图1所示，一种基于人工智能的全平台文献自动检索系统，包括需求录入单元、需求分析单元、验证单元、登录单元、处理器、显示单元、数据检索单元、检索回验单元、探寻单元、留存库和测验分析单元；
其中，所述需求录入单元用于用户录入目标信息，目标信息包括文献领域和目标简介；所述文献领域具体为对应所需文献的所属领域，目标简介即为对应所需文献的简要描述；
所述登陆单元用于采集用户的登陆信息，登陆信息包括用户账号、密钥、指纹、人脸信息；所述登陆单元用于将登陆信息传输到验证单元，所述验证单元用于对登录信息进行随机验证，具体随机验证步骤为：
步骤一：获取到登陆信息，和上传登陆信息的时间点；
步骤二：以月日时分的形式获取到时间点，按照月日时分的顺序获取到时间点的数值，得到时间组，将其标记为Ti，i＝1...8；
步骤三：之后利用公式计算随机选值，具体的计算公式如下：
Figure BDA0003053524320000051
步骤四：获取到随机选值个位上的数值，将其标记定位特定值，
当特定值为0时，对密钥、指纹、人脸信息均进行验证；
当特定值为奇数时，对密钥和指纹一起进行验证；
当特定值为偶数时，对密钥和人脸信息一起进行验证；
步骤五：按照步骤四的原理对相应登陆信息进行身份确认，当核准正确之后，产生允通信号；
所述验证单元用于将允通信号传输到需求分析单元；
所述需求分析单元只有在接收到验证单元传输的允通信号时才会进行工作，接收需求录入单元传输的目标信息；所述需求分析单元用于对目标信息进行简化处理，具体简化处理的步骤为：
S1：获取到目标信息内的目标简介；
S2：对目标简介进行分词处理，得到若干个分词后组成的词、字，将其标记为独立单项；
S3：之后获取到每个独立单项的次数，去除表征单项；表征单项为用户预设的无效词语，即为语气词、无实意的词语；
S4：之后得到去除表征单项后的独立单项，将其标记为Dj，j＝1...m；将对应的出现次数，将其标记为迭代数Hj，j＝1...m；Hj和Dj一一对应；
S5：根据迭代数Hj从大到小的顺序进行排序，当次数相同的独立单项的个数超过X1个时，X1为预设数值；此时将出现在该独立单项前的所有独立单项标记为关键信息；
S6：得到关键信息和文献领域，融合形成简后信息；
所述需求分析单元用于将简后信息传输到处理器，所述处理器接收需求分析单元传输的简后信息并将其传输到数据检索单元，所述数据检索单元用于结合探寻单元在互联网中进行检索相关操作，具体检索相关操作步骤为：
S01：获取到简后信息；
S02：之后首先进行初选，根据简后信息内的文献领域获取到同领域的所有文献，将其标记为一选文献；
S03：之后获取到所有一选文献的发表时间，获取到最早发表到最晚发表的文献之间的时间跨度；
S04：将时间跨度除以X2，X2为预设值，具体可取值为10或者其它数值；
S05：将时间跨度分为X2个时间阶段；
S06：任选一时间阶段；
S07：获取对应时间阶段内的所有一选文献，根据一选文献的引用次数进行从大到小排序；
S08：取得排名前二，最后两名以及位于正中间的两名，正中间判定方式为：
将一选文献的数量除以二，若能整除，则获取对应该中值排名的一选文献和位于其前一位的一选文献；
若无法整除，则取该值前后各一位的一选文献；
S09：得到对应该时间阶段的二选文献；
S010：任选下一时间阶段，重复步骤S07-S010，直到对所有的时间阶段处理完毕；
S011：得到所有的二选文献，组成二选文献组；
S012：之后对二选文献组进行相关度判定，具体相关度判定规则如下：
S0121：获取到所有的二选文献；同时获取到简后信息内的关键信息；
S0122：获取到所有的关键信息在所有二选文献内出现的次数，将其标记为命中次数；
S0123：之后获取到关键信息在所有二选文献内的出现的个数占关键信息总个数的比例，将其标记为全系占比；
S0124：根据公式计算所有二选文献的有效值，具体计算公式为：
有效值＝0.43*全系占比+0.57*命中次数；
式中，0.43和0.57为权值，因为不同因素对最终结果影响不同，故引入权值予以体现；
S0125：按照有效值从大到小进行排序，将排名处于前百分之二十的二选文献标记为终选文献；
所述数据检索单元用于将所有的终选文献传输到检索回验单元，用户通过检索回验单元对终选文献进行选取，将用户选中的终选文献标记为标的文献；
所述检索回验单元用于将标的文献传输到处理器，所述处理器用于将标的文献传输到显示单元进行显示；
所述处理器还用于将用户身份及其对应的标的文献和检索时间融合形成检索记录通过数据检索单元传输到留存库；所述留存库接收数据检索单元传输的检索记录并进行实时存储；
所述验证单元还用于获取用户的身份信息将其传输到测验分析单元；所述测验分析单元用于对留存库内的检索记录进行惯性分析，惯性分析具体步骤为：
SS1：获取到用户身份信息，及其对应的标的文献；
SS2：获取到文献作者、文献来源，文献来源即为对应文献的发布平台；
SS3：将文献作者和文献来源标记为热门信息；
SS4：将热门信息通过留存库返回到数据检索单元；
SS5：后续数据检索单元在检索同类的文献领域时，会优先将热门信息对应的二选文献，当其排名处于前百分之四十时标记为终选文献，并按顺序排出靠后的其他文献；
SS6：得到新的终选文献。
本发明通过需求录入单元用于用户录入目标信息，目标信息包括文献领域和目标简介；之后借助登陆单元用于采集用户的登陆信息，并借助验证单元用于对登录信息进行随机验证，并根据验证结果产生允通信号；
之后需求分析单元在接收到验证单元传输的允通信号时进行工作，接收需求录入单元传输的目标信息；并对目标信息进行简化处理，得到关键信息和文献领域组成的简后信息；之后借助数据检索单元，结合探寻单元在互联网中进行检索相关操作，得到终选文献；
再之后会借助用户通过检索回验单元对终选文献进行选取，将用户选中的终选文献标记为标的文献；并记住用户的选择，提取相关特性，作为下一次检索的优先权；本发明简单有效，易于实用。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于人工智能的全平台文献自动检索系统，其特征在于，包括需求录入单元、需求分析单元、验证单元、登陆单元、处理器、显示单元、数据检索单元、检索回验单元、探寻单元、留存库和测验分析单元；
其中，所述需求录入单元用于用户录入目标信息，目标信息包括文献领域和目标简介；所述文献领域具体为对应所需文献的所属领域，目标简介即为对应所需文献的简要描述；
所述登陆单元用于采集用户的登陆信息，登陆信息包括用户账号、密钥、指纹、人脸信息；所述登陆单元用于将登陆信息传输到验证单元，所述验证单元用于对登录信息进行随机验证，并根据验证结果产生允通信号；
所述验证单元用于将允通信号传输到需求分析单元；
所述需求分析单元只有在接收到验证单元传输的允通信号时才会进行工作，接收需求录入单元传输的目标信息；所述需求分析单元用于对目标信息进行简化处理，得到关键信息和文献领域组成的简后信息；
所述需求分析单元用于将简后信息传输到处理器，所述处理器接收需求分析单元传输的简后信息并将其传输到数据检索单元，所述数据检索单元用于结合探寻单元在互联网中进行检索相关操作，得到终选文献；
所述数据检索单元用于将所有的终选文献传输到检索回验单元，用户通过检索回验单元对终选文献进行选取，将用户选中的终选文献标记为标的文献；
所述检索回验单元用于将标的文献传输到处理器，所述处理器用于将标的文献传输到显示单元进行显示。
2.根据权利要求1所述的一种基于人工智能的全平台文献自动检索系统，其特征在于，随机验证具体步骤为：
步骤一：获取到登陆信息，和上传登陆信息的时间点；
步骤二：以月日时分的形式获取到时间点，按照月日时分的顺序获取到时间点的数值，得到时间组，将其标记为Ti，i＝1...8；
步骤三：之后利用公式计算随机选值，具体的计算公式如下：
Figure FDA0003053524310000011
步骤四：获取到随机选值个位上的数值，将其标记定位特定值，
当特定值为0时，对密钥、指纹、人脸信息均进行验证；
当特定值为奇数时，对密钥和指纹一起进行验证；
当特定值为偶数时，对密钥和人脸信息一起进行验证；
步骤五：按照步骤四的原理对相应登陆信息进行身份确认，当核准正确之后，产生允通信号。
3.根据权利要求1所述的一种基于人工智能的全平台文献自动检索系统，其特征在于，简化处理具体的步骤为：
S1：获取到目标信息内的目标简介；
S2：对目标简介进行分词处理，得到若干个分词后组成的词、字，将其标记为独立单项；
S3：之后获取到每个独立单项的次数，去除表征单项；表征单项为用户预设的无效词语，即为语气词、无实意的词语；
S4：之后得到去除表征单项后的独立单项，将其标记为Dj，j＝1...m；将对应的出现次数，将其标记为迭代数Hj，j＝1...m；Hj和Dj一一对应；
S5：根据迭代数Hj从大到小的顺序进行排序，当次数相同的独立单项的个数超过X1个时，X1为预设数值；此时将出现在该独立单项前的所有独立单项标记为关键信息；
S6：得到关键信息和文献领域，融合形成简后信息。
4.根据权利要求1所述的一种基于人工智能的全平台文献自动检索系统，其特征在于，检索相关操作具体步骤为：
S01：获取到简后信息；
S02：之后首先进行初选，根据简后信息内的文献领域获取到同领域的所有文献，将其标记为一选文献；
S03：之后获取到所有一选文献的发表时间，获取到最早发表到最晚发表的文献之间的时间跨度；
S04：将时间跨度除以X2，X2为预设值，具体可取值为10或者其它数值；
S05：将时间跨度分为X2个时间阶段；
S06：任选一时间阶段；
S07：获取对应时间阶段内的所有一选文献，根据一选文献的引用次数进行从大到小排序；
S08：取得排名前二，最后两名以及位于正中间的两名；
S09：得到对应该时间阶段的二选文献；
S010：任选下一时间阶段，重复步骤S07-S010，直到对所有的时间阶段处理完毕；
S011：得到所有的二选文献，组成二选文献组；
S012：之后对二选文献组进行相关度判定，得到终选文献。
5.根据权利要求4所述的一种基于人工智能的全平台文献自动检索系统，其特征在于，步骤S08中的排名位于正中间判定方式为：
将一选文献的数量除以二，若能整除，则获取对应该中值排名的一选文献和位于其前一位的一选文献；
若无法整除，则取该值前后各一位的一选文献。
6.根据权利要求4所述的一种基于人工智能的全平台文献自动检索系统，其特征在于，步骤S012中的相关度判定具体规则如下：
S0121：获取到所有的二选文献；同时获取到简后信息内的关键信息；
S0122：获取到所有的关键信息在所有二选文献内出现的次数，将其标记为命中次数；
S0123：之后获取到关键信息在所有二选文献内的出现的个数占关键信息总个数的比例，将其标记为全系占比；
S0124：根据公式计算所有二选文献的有效值，具体计算公式为：
有效值＝0.43*全系占比+0.57*命中次数；
式中，0.43和0.57为权值，因为不同因素对最终结果影响不同，故引入权值予以体现；
S0125：按照有效值从大到小进行排序，将排名处于前百分之二十的二选文献标记为终选文献。
7.根据权利要求1所述的一种基于人工智能的全平台文献自动检索系统，其特征在于，所述处理器还用于将用户身份及其对应的标的文献和检索时间融合形成检索记录通过数据检索单元传输到留存库；所述留存库接收数据检索单元传输的检索记录并进行实时存储。
8.根据权利要求7所述的一种基于人工智能的全平台文献自动检索系统，其特征在于，所述验证单元还用于获取用户的身份信息将其传输到测验分析单元；所述测验分析单元用于对留存库内的检索记录进行惯性分析，惯性分析具体步骤为：
SS1：获取到用户身份信息，及其对应的标的文献；
SS2：获取到文献作者、文献来源，文献来源即为对应文献的发布平台；
SS3：将文献作者和文献来源标记为热门信息；
SS4：将热门信息通过留存库返回到数据检索单元；
SS5：后续数据检索单元在检索同类的文献领域时，会优先将热门信息对应的二选文献，当其排名处于前百分之四十时标记为终选文献，并按顺序排出靠后的其他文献；
SS6：得到新的终选文献。
CN202110493846.3A 2021-05-07 2021-05-07 一种基于人工智能的全平台文献自动检索系统 Pending CN113220867A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110493846.3A CN113220867A (zh) 2021-05-07 2021-05-07 一种基于人工智能的全平台文献自动检索系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110493846.3A CN113220867A (zh) 2021-05-07 2021-05-07 一种基于人工智能的全平台文献自动检索系统

Publications (1)

Publication Number Publication Date
CN113220867A true CN113220867A (zh) 2021-08-06

Family

ID=77091278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110493846.3A Pending CN113220867A (zh) 2021-05-07 2021-05-07 一种基于人工智能的全平台文献自动检索系统

Country Status (1)

Country Link
CN (1) CN113220867A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114266260A (zh) * 2021-12-24 2022-04-01 金锐软件技术(杭州)有限公司 一种应用于软件研发的内嵌式及时翻译系统
CN117436058A (zh) * 2023-10-10 2024-01-23 国网湖北省电力有限公司 一种电力信息安全防护系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561815A (zh) * 2009-05-19 2009-10-21 华中科技大学 分布式密文全文检索系统
CN107368494A (zh) * 2016-05-12 2017-11-21 索意互动（北京）信息技术有限公司 一种文献分析方法与系统
CN111459888A (zh) * 2020-02-11 2020-07-28 天启黑马信息科技(北京)有限公司 一种文献检索的方法与设备
CN111767378A (zh) * 2020-06-24 2020-10-13 北京墨丘科技有限公司 一种智能推荐科技文献的方法及装置
CN112667781A (zh) * 2020-12-31 2021-04-16 北京万方数据股份有限公司 一种恶性肿瘤文献获取方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561815A (zh) * 2009-05-19 2009-10-21 华中科技大学 分布式密文全文检索系统
CN107368494A (zh) * 2016-05-12 2017-11-21 索意互动（北京）信息技术有限公司 一种文献分析方法与系统
CN111459888A (zh) * 2020-02-11 2020-07-28 天启黑马信息科技(北京)有限公司 一种文献检索的方法与设备
CN111767378A (zh) * 2020-06-24 2020-10-13 北京墨丘科技有限公司 一种智能推荐科技文献的方法及装置
CN112667781A (zh) * 2020-12-31 2021-04-16 北京万方数据股份有限公司 一种恶性肿瘤文献获取方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114266260A (zh) * 2021-12-24 2022-04-01 金锐软件技术(杭州)有限公司 一种应用于软件研发的内嵌式及时翻译系统
CN114266260B (zh) * 2021-12-24 2023-06-20 金锐软件技术(杭州)有限公司 一种应用于软件研发的内嵌式及时翻译系统
CN117436058A (zh) * 2023-10-10 2024-01-23 国网湖北省电力有限公司 一种电力信息安全防护系统
CN117436058B (zh) * 2023-10-10 2024-09-03 国网湖北省电力有限公司 一种电力信息安全防护系统

Similar Documents

Publication Publication Date Title
US7769763B1 (en) Large scale machine learning systems and methods
CN113220867A (zh) 一种基于人工智能的全平台文献自动检索系统
CN106126524B (zh) 信息推送方法和装置
CN114418807B (zh) 基于历史成绩的在线教育平台的课程推荐方法及系统
CN109902823B (zh) 一种基于生成对抗网络的模型训练方法及设备
CN113704623B (zh) 一种数据推荐方法、装置、设备及存储介质
CN114492605A (zh) 联邦学习特征选择方法、装置、系统以及电子设备
CN104715063A (zh) 搜索排序方法和装置
KR102240888B1 (ko) 전문가에 의해 생성되는 프로젝트 결과물을 블록체인에 저장된 빅데이터 기반으로 관리하는 방법 및 시스템
CN111324611A (zh) 一种资产类通证的凭证检索方法和装置
TWI556128B (zh) Forensic system, forensic method and evidence collection program
CN111753526A (zh) 一种相似竞品数据分析方法及系统
Roitero et al. Preferences on a budget: Prioritizing document pairs when crowdsourcing relevance judgments
CN110209804B (zh) 目标语料的确定方法和装置、存储介质及电子装置
CN114491594A (zh) 一种多重加密的数据加密系统
CN117978822A (zh) 一种基于大数据的教育资源共享系统
CN113392321A (zh) 一种信息推荐方法、装置、电子设备及存储介质
CN108810640B (zh) 一种电视节目的推荐方法
CN112541035A (zh) 基于区块链的信息核验方法、装置、设备、可读存储介质
Kuriyama et al. Pooling for a large-scale test collection: An analysis of the search results from the first NTCIR workshop
KR20200051219A (ko) 스마트 컨트랙트의 분류 장치 및 분류 방법
CN110930106A (zh) 线上面试系统的信息处理方法、装置和系统
CN113420261B (zh) 基于归因分析的课程推荐方法、装置、设备及介质
Saha et al. Which Programming Language and Platform Developers Prefer for the Development? A Study Using Stack Overflow
KR20200105378A (ko) 전문가에 의해 생성되는 프로젝트 결과물을 빅데이터 기반으로 관리하여 가상화폐를 제공하기 위한 방법 및 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination