CN116578689A - 基于ai的书籍检索方法以及装置 - Google Patents
基于ai的书籍检索方法以及装置 Download PDFInfo
- Publication number
- CN116578689A CN116578689A CN202310841516.8A CN202310841516A CN116578689A CN 116578689 A CN116578689 A CN 116578689A CN 202310841516 A CN202310841516 A CN 202310841516A CN 116578689 A CN116578689 A CN 116578689A
- Authority
- CN
- China
- Prior art keywords
- target
- determining
- question
- feedback information
- retrieval
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 230000004044 response Effects 0.000 claims abstract description 31
- 238000012790 confirmation Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 38
- 235000013305 food Nutrition 0.000 description 9
- 235000016709 nutrition Nutrition 0.000 description 9
- 230000035764 nutrition Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G06F16/332—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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- 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
- G06F16/338—Presentation of query results
-
- 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
- G06F16/35—Clustering; Classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种基于AI的书籍检索方法以及装置,涉及检索技术领域,缓解了检索结果的检索全面性较低的技术问题。该方法包括:响应于针对问题输入窗口的输入操作,确定输入操作所输入的目标提问内容;通过AI检索确定目标提问内容匹配的目标书籍实体,并基于目标书籍实体确定反馈信息;在图形用户界面中显示多个目标书籍实体对应的多个反馈信息;响应于针对多个反馈信息的选择操作,确定选择操作所选择的目标反馈信息;遍历OPAC中图书馆的所有文献数据并确定与目标反馈信息相关的目标文献数据;将目标文献数据作为待检索数据的检索结果,并在图形用户界面中显示检索结果。
Description
技术领域
本申请涉及检索技术领域,尤其是涉及一种基于AI的书籍检索方法以及装置。
背景技术
目前,对于文献、书籍等数据的检索方式是基于关键字进行检索。例如,检索内容为“食品营养书籍”,对于现有技术而言,仅能够检索出带“食品”“营养”的关键字的书籍。因此,现有技术中只能够检索出带几个固定关键字的数据,使检索结果被几个固定的关键字所限制,导致检索结果的检索全面性较低。
发明内容
本发明的目的在于提供一种基于AI的书籍检索方法以及装置,以缓解检索结果的检索全面性较低的技术问题。
第一方面,本申请实施例提供了一种基于AI的书籍检索方法,通过终端设备提供图形用户界面,所述图形用户界面中包含提问控件;所述方法包括:
响应于针对所述提问控件的确认操作,确定并显示所述提问控件对应的问题输入窗口;其中,所述问题输入窗口用于输入提问内容,所述提问内容为针对待检索数据进行提问的内容;
响应于针对所述问题输入窗口的输入操作,确定所述输入操作所输入的目标提问内容;
通过AI检索确定目标提问内容匹配的目标书籍实体,并基于目标书籍实体确定反馈信息;
在所述图形用户界面中显示多个所述目标书籍实体对应的多个所述反馈信息;
响应于针对多个所述反馈信息的选择操作,确定所述选择操作所选择的目标反馈信息;
遍历OPAC中图书馆的所有文献数据并确定与所述目标反馈信息相关的目标文献数据;
将所述目标文献数据作为所述待检索数据的检索结果,并在所述图形用户界面中显示所述检索结果。
在一个可能的实现中,响应于针对多个所述反馈信息的选择操作,确定所述选择操作所选择的目标反馈信息,包括 :
响应于针对多个所述反馈信息的选择操作以及用户确认操作,确定所述选择操作所选择的目标反馈信息以及所述用户确认操作所确认的目标用户;所述目标用户与所述检索结果对应。
在一个可能的实现中,还包括:
记录每个所述检索结果对应的所述目标用户;
查询所述目标用户的信息,并根据所述目标用户的信息确定对应的所述检索结果的授信度权重;
根据所述授信度权重确定所述目标用户对应的所述检索结果的推送优先级;
利用所述推送优先级优化AI检索以及AI遍历过程中使用的神经网络模型。
在一个可能的实现中,所述目标用户的信息包括下述任意一项或多项:
所述目标用户的工龄等级、学历等级、以及职业等级。
在一个可能的实现中,所述根据所述目标用户的信息确定对应的所述检索结果的授信度权重,包括:
所述目标用户的工龄等级越高则确定对应的所述检索结果的授信度权重越大;或,
所述目标用户的学历等级越高则确定对应的所述检索结果的授信度权重越大;或,
所述目标用户的职业等级越高则确定对应的所述检索结果的授信度权重越大。
在一个可能的实现中,所述图形用户界面中包含分面检索控件;还包括:
响应于针对所述分面检索控件的确认操作,确定所述分面检索控件对应的多个分面条件;其中,多个所述分面条件对应的检索范围包括下述任意一项或多项:分馆、主题、责任者、文献类型、出版社、出版日期、藏址、检索来源、主题词和语言种类;
在所述图形用户界面中显示多个所述分面条件;
响应于针对多个所述分面条件中目标分面条件的选择操作,按照所述目标分面条件对应的目标检索范围对所述待检索数据进行检索。
在一个可能的实现中,所述确定与所述目标反馈信息相关的目标文献数据,包括:
响应于针对分类设置控件的编辑操作,确定所述编辑操作所设置的分类参数;其中,所述分类参数包含分类占比参数以及分类优先级参数;
基于所述OPAC中图书馆的各文献数据阅览量,按照所述分类占比参数以及所述分类优先级参数确定与所述目标反馈信息相关的目标文献数据。
第二方面,提供了一种基于AI的书籍检索装置,通过终端设备提供图形用户界面,所述图形用户界面中包含提问控件;包括:
第一显示模块,用于响应于针对所述提问控件的确认操作,确定并显示所述提问控件对应的问题输入窗口;其中,所述问题输入窗口用于输入提问内容,所述提问内容为针对待检索数据进行提问的内容;
第一确定模块,用于响应于针对所述问题输入窗口的输入操作,确定所述输入操作所输入的目标提问内容;
第二确定模块,用于通过AI检索确定目标提问内容匹配的目标书籍实体,并基于目标书籍实体确定反馈信息;
第二显示模块,用于在所述图形用户界面中显示多个所述目标书籍实体对应的多个所述反馈信息;
第三确定模块,用于响应于针对多个所述反馈信息的选择操作,确定所述选择操作所选择的目标反馈信息;
第四确定模块,用于遍历OPAC中图书馆的所有文献数据并确定与所述目标反馈信息相关的目标文献数据;
第三显示模块,用于将所述目标文献数据作为所述待检索数据的检索结果,并在所述图形用户界面中显示所述检索结果。
第三方面,本申请实施例又提供了一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的第一方面所述方法。
第四方面,本申请实施例又提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述的第一方面所述方法。
本申请实施例带来了以下有益效果:
本申请实施例提供的一种基于AI的书籍检索方法以及装置,能够响应于针对所述提问控件的确认操作,确定并显示所述提问控件对应的问题输入窗口;其中,所述问题输入窗口用于输入提问内容,所述提问内容为针对待检索数据进行提问的内容;响应于针对所述问题输入窗口的输入操作,确定所述输入操作所输入的目标提问内容;通过AI检索确定目标提问内容匹配的目标书籍实体,并基于目标书籍实体确定反馈信息;在所述图形用户界面中显示多个所述目标书籍实体对应的多个所述反馈信息;响应于针对多个所述反馈信息的选择操作,确定所述选择操作所选择的目标反馈信息;遍历OPAC中图书馆的所有文献数据并确定与所述目标反馈信息相关的目标文献数据;将所述目标文献数据作为所述待检索数据的检索结果,并在所述图形用户界面中显示所述检索结果。本方案中,通过AI检索确定多个与目标提问内容的回答相符的多个目标书籍实体,以多方面回答提问的方式进行检索,使检索结果不被几个固定的关键字所限制,提高检索结果的全面性,再者,用户可以从多种不同主题的多方面答案中选择有意向的主题,使系统可以针对用户选择的具体某个主题进行进一步的深入检索,得到针对该主题的相关文献,使检索结果在具全面性的基础上还能够具有针对性以及用户可选择的自由性,提高用户体验。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于AI的书籍检索方法的流程示意图;
图2为本申请实施例提供的基于AI的书籍检索方法中,一种图形用户界面的示意图;
图3为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图4为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图5为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图6为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图7为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图8为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图9为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图10为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图11为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图12为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图13为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图14为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图15为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图16为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图17为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图18为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图19为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图20为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图21为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图22为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图23为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图24为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图25为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图26为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图27为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图28为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图29为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图30为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图31为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图32为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图33为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图34为本申请实施例提供的基于AI的书籍检索方法中,另一种图形用户界面的示意图;
图35示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前,现有技术中只能够检索出带几个固定关键字的数据,使检索结果被几个固定的关键字所限制,导致检索结果的检索全面性较低。
基于此,本申请实施例提供了一种基于AI的书籍检索方法以及装置,通过该方法可以缓解检索结果的检索全面性较低的技术问题。
下面结合附图对本发明实施例进行进一步地介绍。
图1为本申请实施例提供的一种基于AI的书籍检索方法的流程示意图。其中,该方法应用于可呈现图形用户界面的终端设备,通过终端设备提供图形用户界面,图形用户界面中包含提问控件。如图1所示,该方法包括:
步骤S110,响应于针对提问控件的确认操作,确定并显示提问控件对应的问题输入窗口。
其中,问题输入窗口用于输入提问内容,提问内容为针对待检索数据进行提问的内容。
示例性的,用户可以先点击提问控件,以确认通过提问方式进行检索,然后在图形用户界面中显示出需要输入用户提问内容的问题输入窗口,以便于用户在该问题输入窗口中输入要检索的内容对应的问题。
步骤S120,响应于针对问题输入窗口的输入操作,确定输入操作所输入的目标提问内容。
其中,目标提问内容对应待检索数据。
例如,用户提问“与食品营养相关的书籍有哪些”,目的是检索出介绍有营养的食物的书籍。
步骤S130,通过AI检索确定目标提问内容匹配的目标书籍实体,并基于目标书籍实体确定反馈信息。
示例性的,目标提问内容为“与食品营养相关的书籍有哪些”,对于现有技术而言,仅会检索出带“食品”“营养”的关键字的书籍,而本公开实施例中,可以通过AI检索出与目标提问内容“与食品营养相关的书籍有哪些”的回答相符的具体的目标书籍实体,例如,介绍牛奶、鸡蛋等具体有营养的食物书籍,不单只是检索出带几个固定关键字的书籍,使检索结果不被几个固定的关键字所限制,提高检索结果的全面性。
其中,可以预先收集大量的问题-答案数据对,作为自动问答处理方法的数据基。其中,这里的问题主要是与书籍相关的问题,例如,前文所述的“与食品营养相关的书籍有哪些”,这里的答案可以是对于对于问题的回答。
可以利用爬虫工具全网收集问题-答案数据对,其中,对于爬取到的问题-答案数据对可以进行初步筛选,将与书籍无关的问题-答案数据对删除。作为一个示例,可以预先训练一个二分类模型,基于该二分类模型来确定问题-答案数据对是否与书籍无关。其中,该二分类模型可以基于预先确定的带有已知标签的样本进行训练得到,该标签为“与书籍无关”和“与书籍有关”。
从筛选后的问题-答案数据对中获取各个问题文本,并对各个问题文本分别进行分词处理,进而获取各个问题文本分别对应的关键词。计算在所述问题文本中各个候选词分别对应的权重值,进而将权重值最高的前几个候选词作为所述问题文本对应的关键词。一种实现方式中,可以利用经典的tf-idf特征算法、textrank特征算法等计算在任一条问题文本中各个候选词分别对应的权重值,所述权重值可以用于表示各个候选词在所述问题文本中的重要性。
获取到各个问题文本对应的关键词后,建立各个关键词与问题文本的索引关系,以便通过关键词能够查找到与其具有索引关系的问题文本。通常,一条问题文本具有多个对应的关键词,两条不同的问题文本也可以具有同一对应的关键词。
从筛选后的问题-答案数据对中获取各个答案文本,并对各个答案文本分别进行分词处理,进而获取各个答案文本分别对应的一个或多个书籍实体。
将筛选后的问题-答案数据对中的答案替换为答案文本分别对应的一个或多个书籍实体,得到问题-书籍实体对。
在基于问题-书籍实体对进行AI检索时,基于目标提问内容确定,目标关键词,基于目标关键词匹配目标问题,基于目标问题确定目标书籍实体。
基于目标关键词以及目标书籍实体生成反馈信息。例如,可以预先定义反馈信息模板,该模板包括目标关键词位置标记以及目标数据实体位标记。
步骤S140,在图形用户界面中显示多个目标书籍实体对应的多个反馈信息。
示例性的,在图形用户界面中显示各个主题相关书籍的推荐信息,以向用户推荐目标提问内容的多种不同主题的多方面答案。
步骤S150,响应于针对多个反馈信息的选择操作,确定选择操作所选择的目标反馈信息。
用户可以从多种不同主题的多方面答案中选择有意向的主题进行进一步的深入检索。
步骤S160,遍历OPAC中图书馆的所有文献数据并确定与目标反馈信息相关的目标文献数据。
系统可以针对用户选择的具体某个主题进行进一步的深入检索,得到针对该主题的相关文献,使检索结果在具全面性的基础上,还能够具有针对性。
步骤S170,将目标文献数据作为待检索数据的检索结果,并在图形用户界面中显示检索结果。
本申请实施例中,通过AI检索确定多个与目标提问内容的回答相符的多个目标书籍实体,以多方面回答提问的方式进行检索,使检索结果不被几个固定的关键字所限制,提高检索结果的全面性,再者,用户可以从多种不同主题的多方面答案中选择有意向的主题,使系统可以针对用户选择的具体某个主题进行进一步的深入检索,得到针对该主题的相关文献,使检索结果在具全面性的基础上还能够具有针对性以及用户可选择的自由性,提高用户体验。
下面对上述步骤进行详细介绍。
在一些实施例中,上述步骤S150可以包括如下步骤:
步骤a),响应于针对多个反馈信息的选择操作以及用户确认操作,确定选择操作所选择的目标反馈信息以及用户确认操作所确认的目标用户。
其中,目标用户与检索结果对应。
本申请实施例中,通过目标用户能够确定与反馈信息及其检索结果对应的目标用户,进而得到每个目标用户多选择的反馈信息及其检索结果的确切的对应关系数据。
基于上述步骤a),该方法还可以包括以下步骤:
步骤b),记录每个检索结果对应的目标用户;
步骤c),查询目标用户的信息,并根据目标用户的信息确定对应的检索结果的授信度权重;
步骤d),根据授信度权重确定目标用户对应的检索结果的推送优先级;
步骤e),利用推送优先级优化AI检索以及AI遍历过程中使用的神经网络模型。
其中,目标用户的信息包括下述任意一项或多项:目标用户的工龄等级、学历等级、以及职业等级。
当然,目标用户的信息还可以包含除目标用户的工龄等级、学历等级、以及职业等级以外的其他用户信息,例如,目标用户的专业领域、历史检索信息、文章发表情况,等等。
基于上述步骤b)、步骤c)、步骤d)、和步骤e),上述步骤c)可以包括如下步骤:
步骤f),目标用户的工龄等级越高则确定对应的检索结果的授信度权重越大;或,
步骤g),目标用户的学历等级则确定对应的检索结果的授信度权重越大;或,
步骤h),目标用户的职业等级越高则确定对应的检索结果的授信度权重越大。
通过各个用户的工龄等级、学历等级、以及职业等级等信息来确定用户对应检索结果的授信度权重,使标用户的工龄等级越、学历等级、职业等级越高其对应的检索结果的授信度权重越大,再根据授信度权重确定目标用户对应的检索结果的推送优先级,进而使等级越高的用户其检索出的检索结果的推送优先级越优先,从而使优化出的神经网络模型其AI检索出 的等级越高用户检索出的检索结果的概率越大,以利用等级高用户的历史检索记录来提高检索准确率。
在一些实施例中,图形用户界面中包含分面检索控件;该方法还可以包括以下步骤:
步骤i),响应于针对分面检索控件的确认操作,确定分面检索控件对应的多个分面条件;其中,多个分面条件对应的检索范围包括下述任意一项或多项:分馆、主题、责任者、文献类型、出版社、出版日期、藏址、检索来源、主题词和语言种类;
步骤j),在图形用户界面中显示多个分面条件;
步骤k),响应于针对多个分面条件中目标分面条件的选择操作,按照目标分面条件对应的目标检索范围对待检索数据进行检索。
对于分面检索,示例性的,如图2所示,读者可在检索结果中,通过分面条件进一步缩小检索范围,提高检索命中率。分面提供的检索范围包括:分类、分馆、主题、责任者、文献类型、出版社、出版日期、藏址、检索来源、主题词和语言种类。
本申请实施例中,对于分面检索的限定文献类型,如图3所示,读者可根据实际情况,在分类浏览中限定文献类型,进而实现了检索过程浏览范围的缩小。
在一些实施例中,上述步骤S160可以包括如下步骤:
步骤m),响应于针对分类设置控件的编辑操作,确定编辑操作所设置的分类参数;其中,分类参数包含分类占比参数以及分类优先级参数;
步骤n),基于OPAC中图书馆的各文献数据阅览量,按照分类占比参数以及分类优先级参数确定与目标反馈信息相关的目标文献数据。
对于热门图书配置,示例性的,如图4和图5所示,图书馆管理员可根据各馆实际情况,调整热门图书各分类展示的占比和优先顺序。打开图书馆集群管理系统,点击设置-OPAC参数-热门图书设置,点击编辑,修改各分类占比,勾选优先展示的分类,点击保存即可。
通过按照用户设置的分类占比参数以及分类优先级参数确定与目标反馈信息相关的目标文献数据,能够使确定出的目标文献数据更加精准且针对性更强。
需要说明的是,OPAC即根据热门图书配置和图书馆读者的总借阅量,向读者推荐借阅次数较多的馆藏资源。本申请实施例中,打开OPAC可以看到如图6所示的页面。
本申请实施例中,对于检索首页,最常用的模块之一,在检索首页中有简单检索和高级检索两种检索方式,读者可根据实际情况,选择合适的检索方式检索资源。对于分类浏览,馆藏资源依照中图分类法进行分类,在分类浏览中,读者可按不同分类浏览检索馆藏资源。对于新书速递,图书馆新编目的文献资源将同步在此栏目显示,便于读者更快捷地了解到图书馆的新资源动态。
对于热门图书,此栏目是依据图书馆读者的总借阅量,向读者推荐借阅次数较多的馆藏资源。图书馆管理员可根据各馆实际情况,调整热门图书各分类展示的占比。
对于本馆推荐,图书馆管理员通过此栏目向读者推荐不同主题的馆藏资源。对于借阅分析,向读者展示图书馆的读者偏好借阅的图书分类、热门图书排行、读者排行。
对于用户图书馆,读者登录后,可查看个人的借阅信息、个人中心、用户荐购和阅读报告。对于语言,图书馆读者根据实际情况切换语言,支持中文和英文两种语言。
对于登录方面,读者登录窗口提供读者证、身份证、手机号、邮箱四种登录方式,读者忘记密码可通过邮箱找回密码。对于检索首页,简单检索如图7所示,系统提供多个简单检索条件,便于读者的快速检索馆藏资源,读者可根据实际情况进行选择。检索条件包括任意词、题名、ISBN/ISSN、责任者、主题词、分类号、订购号、出版地、出版社、丛编、索书号、统一书刊号。
对于限定文献类型,如图8所示,限定只检索指定文献类型。对于限定更多类型,如图9所示,读者可根据实际情况,限定更多条件的检索范围,包括语言种类、出版日期、排序选项、排序方式和每页显示几条。对于限定分馆检索,如图10所示,读者可根据实际情况,限定分馆的检索范围。
对于高级检索,如图11所示,可通过高级检索进行多条件组合检索,提高检索结果的命中率。对于在结果中检索,如图12所示,读者可在检索结果中,通过其他条件关键词进一步检索,缩小检索范围,提高检索命中率。
对于限定分馆,如图13所示,读者登录后,浏览内容默认为读者所属馆的全部文献类型资源。读者可根据实际情况,在分类浏览中限定分馆浏览。对于新书推荐的限定范围,如图14所示,读者可通过限定文献类型、上架时间和所属分馆缩小浏览范围。
对于图书推荐,图书馆管理员可设置不同主题,向读者推荐不同主题的馆藏资源。打开图书馆集群管理系统,如图15所示,点击设置-OPAC参数-图书推荐,点击新建,新建主题。
对于点击编目-编目管理或回溯建库,勾选指定书目,如图16所示,点击推荐。对于选择图书的所属主题,点击推荐,如图17所示,图书即添加至对应的主题当中。如图18所示,读者即可通过此栏目浏览图书馆推荐的不同主题的文献资源。
对于借阅分析的借阅分析配置,图书馆管理员可通过图书馆集群管理系统,如图19所示,设置OAPC借阅分析中的借阅排行,可自定义设置标题内容、借阅读者类型以及借阅统计范围。
对于图书馆管理员可通过图书馆集群管理系统,设置OAPC借阅分析中的借阅排行,如图20所示,可自定义设置标题内容、借阅读者类型以及借阅统计范围。对于用户图书馆,当前借阅,读者登录后,如图21所示,可查看个人当前借阅信息,可对当前借阅的图书进行在线续借。
对于历史借阅,读者登录后,如图22所示,可查看个人历史借阅信息。对于用户预借,读者预借的图书均已借出时,可通过图书馆管理员可对读者预借图书进行预约登记,等到图书归还后,通知读者到馆领取。如图23所示,对于图书馆管理员通过图书馆集群管理系统,点击流通-文献流通-预约管理-预约登记,录入读者证号,查询读者预借图书,点击预约完成登记。登记完成后,如图24所示,读者可在用户预借中,查看个人的预借记录。
对于个人资料,读者登录后,如图25所示,可修改个人资料信息。对于修改密码,如图26所示,读者登录后,可修改个人账户密码。对于证件挂失,如图27所示,读者登录后,可对个人读者证进行挂失处理,挂失后原读者证不能再正常使用。
对于违章记录,如图28所示,读者登录后,可查看个人违章记录,包括超期归还、图书丢失、图书污损等违章记录。对于读者荐购,如图29所示,读者登录后,可通过提交荐购图书的详细信息,向图书馆推荐购买图书。图书馆管理员可通过图书馆集群管理系统,如图30和图31所示,点击采访-图书预订管理-读者荐购,处理读者荐购图书。对于阅读报告,读者登录后,可查看个人今年的阅读报告。对于积分记录,读者登录后,可查看读者行为产生的积分记录。
对于切换语言,系统支持中英文切换,如图32所示,通过点击语言选择切换中文或英文。对于读者登录,如图33所示,读者可通过读者证、身份证、手机号、邮箱四种方式进行登录。读者如果忘记了登录密码,如图34所示,可点击忘记密码,通过邮箱重置密码。
本公开实施例还提供了一种基于AI的书籍检索装置,基于AI的书籍检索装置包括:
第一显示模块,用于响应于针对所述提问控件的确认操作,确定并显示所述提问控件对应的问题输入窗口;其中,所述问题输入窗口用于输入提问内容,所述提问内容为针对待检索数据进行提问的内容;
第一确定模块,用于响应于针对所述问题输入窗口的输入操作,确定所述输入操作所输入的目标提问内容;
第二确定模块,用于通过AI检索确定目标提问内容匹配的目标书籍实体,并基于目标书籍实体确定反馈信息;
第二显示模块,用于在所述图形用户界面中显示多个所述目标书籍实体对应的多个所述反馈信息;
第三确定模块,用于响应于针对多个所述反馈信息的选择操作,确定所述选择操作所选择的目标反馈信息;
第四确定模块,用于遍历OPAC中图书馆的所有文献数据并确定与所述目标反馈信息相关的目标文献数据;
第三显示模块,用于将所述目标文献数据作为所述待检索数据的检索结果,并在所述图形用户界面中显示所述检索结果。
在一些实施例中,第三确定模块具体用于:响应于针对多个所述反馈信息的选择操作以及用户确认操作,确定所述选择操作所选择的目标反馈信息以及所述用户确认操作所确认的目标用户;所述目标用户与所述检索结果对应。
在一些实施例中,该装置还包括:
记录模块,用于记录每个所述检索结果对应的所述目标用户;
查询模块,用于查询所述目标用户的信息,并根据所述目标用户的信息确定对应的所述检索结果的授信度权重;
第五确定模块,用于根据所述授信度权重确定所述目标用户对应的所述检索结果的推送优先级;
确定模块,用于利用所述推送优先级优化AI检索以及AI遍历过程中使用的神经网络模型。
在一些实施例中,所述目标用户的信息包括下述任意一项或多项:
所述目标用户的工龄等级、学历等级、以及职业等级。
在一些实施例中,查询模块具体用于:
所述目标用户的工龄等级越高则确定对应的所述检索结果的授信度权重越大;或,
所述目标用户的学历等级越高则确定对应的所述检索结果的授信度权重越大;或,
所述目标用户的职业等级越高则确定对应的所述检索结果的授信度权重越大。
在一些实施例中,所述图形用户界面中包含分面检索控件;该装置还包括:
第六确定模块,用于响应于针对所述分面检索控件的确认操作,确定所述分面检索控件对应的多个分面条件;其中,多个所述分面条件对应的检索范围包括下述任意一项或多项:分馆、主题、责任者、文献类型、出版社、出版日期、藏址、检索来源、主题词和语言种类;
第四显示模块,用于在所述图形用户界面中显示多个所述分面条件;
检索模块,用于响应于针对多个所述分面条件中目标分面条件的选择操作,按照所述目标分面条件对应的目标检索范围对所述待检索数据进行检索。
在一些实施例中,第四确定模块具体用于:
响应于针对分类设置控件的编辑操作,确定所述编辑操作所设置的分类参数;其中,所述分类参数包含分类占比参数以及分类优先级参数;
基于所述OPAC中图书馆的各文献数据阅览量,按照所述分类占比参数以及所述分类优先级参数确定与所述目标反馈信息相关的目标文献数据。
本申请实施例提供的基于AI的书籍检索装置,与上述实施例提供的基于AI的书籍检索方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本申请实施例提供的一种电子设备,如图35所示,电子设备3500包括处理器3502、存储器3501,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例提供的方法的步骤。
参见图35,电子设备还包括:总线3503和通信接口3504,处理器3502、通信接口3504和存储器3501通过总线3503连接;处理器3502用于执行存储器3501中存储的可执行模块,例如计算机程序。
其中,存储器3501可能包含高速随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口3504(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线3503可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图35中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器3501用于存储程序,所述处理器3502在接收到执行指令后,执行所述程序,前述本申请任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器3502中,或者由处理器3502实现。
处理器3502可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器3502中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器3502可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器3501,处理器3502读取存储器3501中的信息,结合其硬件完成上述方法的步骤。
对应于上述基于AI的书籍检索方法,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述基于AI的书籍检索方法的步骤。
本申请实施例所提供的基于AI的书籍检索装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
再例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述基于AI的书籍检索方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于AI的书籍检索方法,其特征在于,通过终端设备提供图形用户界面,所述图形用户界面中包含提问控件;所述方法包括:
响应于针对所述提问控件的确认操作,确定并显示所述提问控件对应的问题输入窗口;其中,所述问题输入窗口用于输入提问内容,所述提问内容为针对待检索数据进行提问的内容;
响应于针对所述问题输入窗口的输入操作,确定所述输入操作所输入的目标提问内容;
通过AI检索确定目标提问内容匹配的目标书籍实体,并基于目标书籍实体确定反馈信息;
在所述图形用户界面中显示多个所述目标书籍实体对应的多个所述反馈信息;
响应于针对多个所述反馈信息的选择操作,确定所述选择操作所选择的目标反馈信息;
遍历OPAC中图书馆的所有文献数据并确定与所述目标反馈信息相关的目标文献数据;
将所述目标文献数据作为所述待检索数据的检索结果,并在所述图形用户界面中显示所述检索结果。
2.根据权利要求1所述的方法,其特征在于,响应于针对多个所述反馈信息的选择操作,确定所述选择操作所选择的目标反馈信息,包括:
响应于针对多个所述反馈信息的选择操作以及用户确认操作,确定所述选择操作所选择的目标反馈信息以及所述用户确认操作所确认的目标用户;所述目标用户与所述检索结果对应。
3.根据权利要求2所述的方法,其特征在于,还包括:
记录每个所述检索结果对应的所述目标用户;
查询所述目标用户的信息,并根据所述目标用户的信息确定对应的所述检索结果的授信度权重;
根据所述授信度权重确定所述目标用户对应的所述检索结果的推送优先级;
利用所述推送优先级优化AI检索以及AI遍历过程中使用的神经网络模型。
4.根据权利要求3所述的方法,其特征在于,所述目标用户的信息包括下述任意一项或多项:
所述目标用户的工龄等级、学历等级、以及职业等级。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标用户的信息确定对应的所述检索结果的授信度权重,包括:
所述目标用户的工龄等级越高则确定对应的所述检索结果的授信度权重越大;或,
所述目标用户的学历等级越高则确定对应的所述检索结果的授信度权重越大;或,
所述目标用户的职业等级越高则确定对应的所述检索结果的授信度权重越大。
6.根据权利要求1所述的方法,其特征在于,所述图形用户界面中包含分面检索控件;还包括:
响应于针对所述分面检索控件的确认操作,确定所述分面检索控件对应的多个分面条件;其中,多个所述分面条件对应的检索范围包括下述任意一项或多项:分馆、主题、责任者、文献类型、出版社、出版日期、藏址、检索来源、主题词和语言种类;
在所述图形用户界面中显示多个所述分面条件;
响应于针对多个所述分面条件中目标分面条件的选择操作,按照所述目标分面条件对应的目标检索范围对所述待检索数据进行检索。
7.根据权利要求1所述的方法,其特征在于,所述确定与所述目标反馈信息相关的目标文献数据,包括:
响应于针对分类设置控件的编辑操作,确定所述编辑操作所设置的分类参数;其中,所述分类参数包含分类占比参数以及分类优先级参数;
基于所述OPAC中图书馆的各文献数据阅览量,按照所述分类占比参数以及所述分类优先级参数确定与所述目标反馈信息相关的目标文献数据。
8.一种基于AI的书籍检索装置,其特征在于,通过终端设备提供图形用户界面,所述图形用户界面中包含提问控件;包括:
第一显示模块,用于响应于针对所述提问控件的确认操作,确定并显示所述提问控件对应的问题输入窗口;其中,所述问题输入窗口用于输入提问内容,所述提问内容为针对待检索数据进行提问的内容;
第一确定模块,用于响应于针对所述问题输入窗口的输入操作,确定所述输入操作所输入的目标提问内容;
第二确定模块,用于通过AI检索确定目标提问内容匹配的目标书籍实体,并基于目标书籍实体确定反馈信息;
第二显示模块,用于在所述图形用户界面中显示多个所述目标书籍实体对应的多个所述反馈信息;
第三确定模块,用于响应于针对多个所述反馈信息的选择操作,确定所述选择操作所选择的目标反馈信息;
第四确定模块,用于遍历OPAC中图书馆的所有文献数据并确定与所述目标反馈信息相关的目标文献数据;
第三显示模块,用于将所述目标文献数据作为所述待检索数据的检索结果,并在所述图形用户界面中显示所述检索结果。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310841516.8A CN116578689B (zh) | 2023-07-11 | 2023-07-11 | 基于ai的书籍检索方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310841516.8A CN116578689B (zh) | 2023-07-11 | 2023-07-11 | 基于ai的书籍检索方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116578689A true CN116578689A (zh) | 2023-08-11 |
CN116578689B CN116578689B (zh) | 2023-10-27 |
Family
ID=87545624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310841516.8A Active CN116578689B (zh) | 2023-07-11 | 2023-07-11 | 基于ai的书籍检索方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116578689B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070094183A1 (en) * | 2005-07-21 | 2007-04-26 | Microsoft Corporation | Jargon-based modeling |
JP2011039625A (ja) * | 2009-08-07 | 2011-02-24 | Kyoto Sangyo Univ | 情報検索システム及び情報検索方法 |
JP2012103759A (ja) * | 2010-11-05 | 2012-05-31 | Ricoh Co Ltd | 図書館蔵書検索システム、レコメンド情報提供方法及びプログラム |
CN102902755A (zh) * | 2012-09-21 | 2013-01-30 | 北京百度网讯科技有限公司 | 一种对检索结果项的排序进行调整的方法及装置 |
CN106776708A (zh) * | 2016-11-17 | 2017-05-31 | 中国农业银行股份有限公司 | 一种查询方法和装置 |
CN110781285A (zh) * | 2019-10-30 | 2020-02-11 | 中国农业科学院农业信息研究所 | 一种科技文献检索意图构建方法 |
CN111291168A (zh) * | 2018-12-07 | 2020-06-16 | 北大方正集团有限公司 | 图书检索方法、装置及可读存储介质 |
-
2023
- 2023-07-11 CN CN202310841516.8A patent/CN116578689B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070094183A1 (en) * | 2005-07-21 | 2007-04-26 | Microsoft Corporation | Jargon-based modeling |
JP2011039625A (ja) * | 2009-08-07 | 2011-02-24 | Kyoto Sangyo Univ | 情報検索システム及び情報検索方法 |
JP2012103759A (ja) * | 2010-11-05 | 2012-05-31 | Ricoh Co Ltd | 図書館蔵書検索システム、レコメンド情報提供方法及びプログラム |
CN102902755A (zh) * | 2012-09-21 | 2013-01-30 | 北京百度网讯科技有限公司 | 一种对检索结果项的排序进行调整的方法及装置 |
CN106776708A (zh) * | 2016-11-17 | 2017-05-31 | 中国农业银行股份有限公司 | 一种查询方法和装置 |
CN111291168A (zh) * | 2018-12-07 | 2020-06-16 | 北大方正集团有限公司 | 图书检索方法、装置及可读存储介质 |
CN110781285A (zh) * | 2019-10-30 | 2020-02-11 | 中国农业科学院农业信息研究所 | 一种科技文献检索意图构建方法 |
Non-Patent Citations (5)
Title |
---|
LUCA PONZANELLI等: "Mining StackOverflow to Turn the IDE into a Self-Confident Programming Prompter", 《MSR 2014: PROCEEDINGS OF THE 11TH WORKING CONFERENCE ON MINING SOFTWARE REPOSITORIES》, pages 102 - 111 * |
林泽琦;邹艳珍;赵俊峰;曹英魁;谢冰;: "基于代码结构知识的软件文档语义搜索方法", 软件学报, no. 12 * |
林泽琦等: "基于代码结构知识的软件文档语义搜索方法", 《软件学报》, vol. 30, no. 12, pages 3714 - 3729 * |
牛雪峰;刘恩涛;: "关于图书馆信息资源整合工具的探讨", 科技情报开发与经济, no. 07 * |
苏建华;: "数字图书馆OPAC与图书搜索引擎和网上书店功能的比较研究", 高校图书馆工作, no. 05 * |
Also Published As
Publication number | Publication date |
---|---|
CN116578689B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Carmel et al. | Personalized social search based on the user's social network | |
US8005823B1 (en) | Community search optimization | |
RU2696230C2 (ru) | Поиск, основанный на комбинировании пользовательских данных отношений | |
US7103592B2 (en) | Method and apparatus providing recommendations based on automatically enriched user profile | |
US9767144B2 (en) | Search system with query refinement | |
US8355997B2 (en) | Method and system for developing a classification tool | |
CN101154224B (zh) | 一种网址导航方法及系统 | |
US20110119209A1 (en) | Method and system for developing a classification tool | |
US20170154116A1 (en) | Method and system for recommending contents based on social network | |
CN102132272A (zh) | 利用垂直建议辅助搜索请求的系统和方法 | |
KR102108683B1 (ko) | 비관심사 컨텐츠를 포함하는 추천 컨텐츠를 제공하는 방법 | |
CN104123366A (zh) | 一种搜索方法及搜索服务器 | |
WO2007027644A2 (en) | Internet search engine with browser tools | |
US11308177B2 (en) | System and method for accessing and managing cognitive knowledge | |
US20180039610A1 (en) | Suggestions for digital forms | |
CN101661490B (zh) | 搜索引擎、其客户端及搜索网页的方法 | |
CN110546633A (zh) | 文档的基于命名实体的类别标签添加 | |
Burel et al. | Predicting answering behaviour in online question answering communities | |
US20210103623A1 (en) | Media source measurement for incorporation into a censored media corpus | |
CN116578689B (zh) | 基于ai的书籍检索方法以及装置 | |
KR20190108624A (ko) | 향상된 온라인 리서치를 위한 시스템 및 방법 | |
JP2012242905A (ja) | 電子掲示板提供装置、電子掲示板制御方法および電子掲示板提供プログラム | |
JP6568284B1 (ja) | 提供装置、提供方法及び提供プログラム | |
CN110647504A (zh) | 司法文书的检索方法及装置 | |
Iwański et al. | Application of the Information Bottleneck method to discover user profiles in a Web store |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |