基于PARADISE平臺的論文檢索系統(一)

摘要：
 本文基于天網實驗室的Platform for Applying, Researching And Developing Intelligent Search Engine (PARADISE)搜索引擎平臺，通過以從portal.acm.org抓取的計算機網絡方向的2500多篇論文為數據，搭建成一個論文搜索系統，最終目的是通過論文之間的引用關系，獲得其他引用這篇論文的作者對這篇論文的評價，形成一個小的評價段落，以及Impact-based Summaries，從而使得我們能夠從專業級的角度獲得這篇論文的內容以及優劣。我們首先從portal.acm.org上面抓取了文章之間的引用關系，然后通過一個算法獲得對一篇文章評價的候選句子集，根據這些句子的重要程度進行排序，獲得一個評價短文。并且構建了一個語言模型，通過這些候選句子集對原文的句子進行評分，取得分最高的幾個句子，獲得原文基于影響的概括。

關鍵詞
搜索引擎, 論文評價, 語言模型, KL-divergence算法, 基于影響的概括

Abstract
 In this paper, based on the PARADISE (Platform for Applying, Researching and Developing Intelligent Search Engine) and the data of 2500 papers in area of computer network, we construct a search engine of papers. Our goal is to get the comment and impact-based summaries of one paper based on the reference relations between the papers. We firstly get candidate sentences which comment on the previous paper and generate a citation context. Then we construct a Language Model, through the citation context, we can score the sentence in the previous paper, and get the impact-based summaries.

Key words
Search Engine, Paper Comment, Language Model, KL-divergence Scoring, Impact-based Summaries

目錄
第1章 引言 5
1.1研究背景 5
1.2工作內容 2
1.2.1抓取所需要的論文數據 2
1.2.2獲得一篇論文的評價并較好的顯示出來 2
1.2.3獲得一篇論文基于影響的總結段落 3
1.2.4基于PARADISE平臺搭建搜索平臺 3
1.3實驗的意義 3
第2章 數據的收集 5
2.1如何提取數據 5
2.2數據抓取的過程 6
2.3數據的存儲及解析 7
第3章 生成評論集 10
3.1獲得評價的候選句子集 10
3.2獲得評論段落 11
第4章 建立模型并生成基于影響的概括 13
4.1建模之前我們所有的數據 13
4.2建模算法 13
4.3算法的實現 14
4.4獲得基于影響的概括 15
第5章 搭建搜索引擎 16
5.1 PARADISE結構簡介 16
5.2修改索引部分 17
5.3修改前臺部分 18
5.4系統示意圖 19
5.4.1主界面 19
5.4.2搜索結果界面 20
5.4.3評論界面 21
第6章 實驗結果與分析 22
6.1實驗結果 22
6.2具體分析 22
第7章 后續工作 26
第8章 致謝 27
參考文獻 28

第1章 引言
1.1研究背景    
 如今，全世界范圍內學術活動日益積極，所產生的論文也在不斷增多，因此，如何搜索到自己所需要的論文，以及自動獲取一些關于論文的信息，是客觀需要的。學術檢索，絕不簡簡單單的檢索出所要查找的論文，這樣就和普通的通用搜索引擎如Google等一樣了。學術檢索，應該更側重于深層次的內容挖掘。
 例如，可以通過一篇論文所引用的文章以及所屬領域，尋找出這個文章所在領域的主要論文，這對了解一篇論文的背景知識以及理解一個領域的發展非常重要。在[Nie, et al.,2007, Volkert,2005] 中提到了文獻檢索現在主要的發展方向，有以下幾點：1.提高檢索的質量，這是從語言模型的角度，讓人們更加準確的找到所需要的論文。2.找到相關領域的最主要論文，以及一些較權威的作者，幫助讀者了解相關知識。3.從reference和citation角度，挖掘出一些知識，最常見的，就是通過一篇論文的被引用次數確定它的排名以及影響力。

首頁 上一頁 1 2 3 4 5 6 下一頁 尾頁 1/6/6