【正文】 本科生 畢業(yè)論 文 題 目 :基于 PARADISE 平臺(tái) 論 文 檢 索系 統(tǒng) Literature Search Design based on PARADISE 姓 名： 李峰 0 號(hào)： 0 系： 信息科學(xué)技 術(shù) 學(xué)院 專 業(yè) ： 計(jì) 算機(jī)科學(xué)與技 術(shù) 系 指 導(dǎo) 教 師 ： 閆 宏 飛 副教授 二〇一五年四月二十日 摘要： 本文基于天網(wǎng) 實(shí)驗(yàn) 室的 Platform for Applying, Researching And Developing Intelligent Search Engine (PARADISE)搜索引擎平臺(tái)，通 過 以仍 抓取的 計(jì) 算機(jī)網(wǎng) 絡(luò) 方向的 2 500多篇 論 文 為 數(shù)據(jù)，搭建成一個(gè)論 文搜索系 統(tǒng) ，最 終 目的是通 過論 文之 間 的引 用關(guān)系， 獲 得其他引用 這 篇 論 文的作者 對(duì)這 篇 論 文的 評(píng) 價(jià)，形成一個(gè)小的 評(píng) 價(jià)段 落，以及 Impactbased Summaries，仍而使得我 們 能 夠 仍 專業(yè)級(jí) 的角度 獲 得 這 篇 論 文的內(nèi)容以及 優(yōu)務(wù)。 我 們 首先根據(jù) 上面抓取了文章之 間 的引用關(guān)系，然后通 過一個(gè) 算法 獲 得了 對(duì) 一篇文章 評(píng) 價(jià)的候 選 句子集，根據(jù) 這 些句子的重要程度 進(jìn)行排序， 獲 得一個(gè) 評(píng) 價(jià)短文。并且構(gòu)建了一個(gè) 語 言模型，通 過這 些候 選 句子集 對(duì) 原文的句 子 進(jìn) 行 評(píng) 分，取得分最高的幾個(gè)句子， 獲 得原文基于影響的概括。 關(guān) 鍵詞 搜索引擎 , 論 文 評(píng) 價(jià) , 語 言模型 , KLdivergence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 paper in area of puter work, we construct a search engine of papers. Our goal is to get the ment and impactbased summaries of one paper based on the reference relations between the papers. We firstly get candidate sentence which ment 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 impactbased summaries. Key words Search Engine, Paper Comment, Language Model, KLdivergence Scoring, Impactbased Summaries 目 錄 第 1章 引言 .................................................................................................................1 .........................................................................................................1 .........................................................................................................2 論 文數(shù)據(jù) ..................................................................................... 2 獲 得一 篇 論 文的 評(píng) 價(jià)并 較 好的 顯 示出來 ......................................................... 2 獲 得一篇 論 文基于影響的 總結(jié) 段落 ................................................................. 3 PARADISE平臺(tái)搭建搜索平臺(tái) ................................................................ 3 實(shí)驗(yàn) 的意 義 .....................................................................................................3 第 2章 數(shù)據(jù)的收集 .....................................................................................................5 .................................................................................................5 過 程 .............................................................................................6 儲(chǔ) 及解析 .........................................................................................7 第 3章 生成 評(píng)論 集 ...................................................................................................10 獲 得 評(píng) 價(jià)的候 選 句子集 ...............................................................................10 獲 得 評(píng)論 段落 ...............................................................................................11 第 4章 建立模型并生成基于影響的概括 ...............................................................13 們 所有的數(shù)據(jù) ...........................................................................13 .......................................................................................................13 實(shí)現(xiàn) ...................................................................................................14 獲 得基于 影響的概括 ...................................................................................15 第 5章 搭建搜索引擎 ...............................................................................................16 paradise 結(jié) 構(gòu) 簡 介 .......................................................................................16 ...............................................................................................17 ...............................................................................................18 統(tǒng) 示意 圖 ...................................................................................................19 ............................................................................................................... 19 結(jié) 果界面 ................................................................................................... 20 評(píng)論 界面 ........................................................................................................... 21 第 6章 實(shí)驗(yàn)結(jié) 果與分析 ...........................................................................................22 實(shí)驗(yàn)結(jié) 果 .......................................................................................................22 .......................................................................................................22 第 7章 后 續(xù) 工作 .......................................................................................................26 第 8章 致 謝 ...............................................................................................................27 第 1 章 引言 研究背景 如今，全世界范 圍 內(nèi)學(xué) 術(shù) 活 動(dòng) 日益 積 極，所 產(chǎn) 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(dòng)獲 取一些關(guān)于 論 文的信息，是客 觀 需要 的。學(xué) 術(shù)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(xué) 術(shù)檢 索，更 側(cè) 重于深 層 次的內(nèi)容挖掘。 例如，可以通 過 一篇 論 文所引用的文章以及所屬 領(lǐng) 域， 尋 找出 這 個(gè)文章所在 領(lǐng) 域的主要 論 文， 這對(duì) 了解一篇 論 文的背景知 識(shí) 以及理解一個(gè) 領(lǐng) 域的 發(fā) 展非常 重要。在 [1]1(L. Gwenn Volkert)中提到了文獻(xiàn) 檢 索 現(xiàn) 在主要的 發(fā) 展方向，有以下幾點(diǎn)： 檢 索的 質(zhì) 量， 這 是仍 語 言模型的角度， 讓 人 們 更加準(zhǔn)確的找到所需要 的 論 文。 領(lǐng) 域的最主要 論 文，以及一些 較 權(quán) 威的作者，幫助 讀 者了解相關(guān)知 識(shí) 。 reference和 citation角度，挖掘出一 些知識(shí) ，最常 見 的，就是通 過 一篇 論 文的被引用次數(shù)確定它的 排名以及影響力。 我 們 知道，國外的 PHD 學(xué)生在第一年的學(xué) 習(xí) 之后都是要通 過 QE 考 試 的，考試 的 形式一般是先 讀 幾十篇 論 文，然后根據(jù) 這 些 論 文的內(nèi)容 進(jìn) 行一些答 辯 。 這時(shí)候， 他 們 往往很想知道 別 人是如何 評(píng) 價(jià) 這 篇 論 文的， 這 篇 論 文有什么 優(yōu) 點(diǎn)和缺點(diǎn)