(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211156862.4 (22)申请日 2022.09.22 (71)申请人 《中华医学杂志》 社有限责任公司 地址 100010 北京市东城区东四西大街 42 号 (72)发明人 马明　张佳玮　刘冰　 (74)专利代理 机构 北京酷爱智慧知识产权代理 有限公司 1 1514 专利代理师 钟继莲 (51)Int.Cl. G06F 16/33(2019.01) G06F 11/34(2006.01) G06F 16/338(2019.01) G06F 11/30(2006.01) G06Q 10/06(2012.01) (54)发明名称 一种基于相关性和重要性的文献搜索排序 方法及电子设备 (57)摘要 本发明实施例公开了一种基于相关性和重 要性的文献搜索排序方法及电子设备。 方法包 括： 获取用户输入的待搜索数据； 根据所述待搜 索数据计算相关性排序指标； 计算重要性排序指 标； 根据所述相关性排序指标、 重要性排序指标 和算法公式得到文章最终评分； 根据所述文章最 终评分进行搜索结果排序。 实施本发明实施例， 在学术文献搜索排序中， 综合考虑了文章的相关 性和重要性， 并将两者进行有机结合后提出了一 种综合性的排序算法。 基于该排序算法所得到的 文章搜索排序结果更加符合用户的预期。 权利要求书2页 说明书8页 附图3页 CN 115438155 A 2022.12.06 CN 115438155 A 1.一种基于相关性和重要性的文献搜索排序方法， 其特 征在于， 包括： 获取用户输入的待搜索数据； 根据所述待搜索数据计算相关性 排序指标； 计算重要性 排序指标； 根据所述相关性 排序指标、 重要性 排序指标和算法公式得到文章 最终评分； 根据所述文章 最终评分进行搜索结果 排序。 2.如权利要求1所述的文献搜索排序 方法， 其特征在于， 所述相关性排序指标包括BM25 算法的评分、 搜索词的近邻 关系累计评分； 根据所述待搜索数据计算相关性排序指标具体 为： 基于BM25算法， 采用Elasticsearch引擎对所述待搜索数据进行处理， 得到BM25算法的 评分； 采用Elasticsearch引擎对所述待搜索数据进行处理， 得到搜索词的近邻关系累计评 分。 3.如权利要求2所述的文献搜索排序方法， 其特征在于， 近邻关系累计评分通过 elasticsearch引擎的脚本评分进行自定义实现， 每个词出现的位置可通过配置 elasticsearch引擎的term_vector中的with_position_offsets获得， 每个搜索词的逆文 档频率可通过 elasticsearc h引擎的_termverctor接口获得。 4.如权利要求2所述的文献搜索排序方法， 其特征在于， 所述重要性排序指标包括文章 学术影响力评分、 文章类型评分和时间衰减因子， 计算重要性 排序指标 具体为： 采用neo4j的插件计算文章学术影响力评分； 采用Elasticsearc h引擎所提供的脚本 评分计算时间衰减因子 。 5.如权利要求1所述的文献搜索方法， 其特 征在于， 所述 算法公式表示 为： ScoreFinal＝k0×ScoreRelevance×DecayFactor+k1×ScoreArticleRan k+k2×ScoredocType 其中， ScoreFinal为文章最 终评分； ScoreRelevance为文章与用户所输入的搜索词、 短语、 句 子之间的经规范化的相关性评分， 范围为[0,100]； ScoreArticleRank为文章学术影响力评分； ScoredocType为文章类型评分； DecayFactor为时间衰减因子； k0、 k1和k2为待定系数。 6.如权利要求5所述的文献搜索排序方法， 其特 征在于， 待定系数的计算过程 为： 确定所述待定系数的初始值； 收集分析用户搜索行为日志， 得到 搜索结果的点击特 征数据和评分结果数据； 基于多元线性 回归方式， 根据 所述点击特征数据和评分结果数据对所述初始值进行优 化， 得到优化 值； 根据所述初始值和优化 值得到所述待定系数的目标值。 7.一种电子设备， 其特 征在于， 包括： 获取单元， 用于获取用户输入的待搜索数据； 第一计算单 元， 用于根据所述待搜索数据计算相关性 排序指标； 第二计算单 元， 用于计算重要性 排序指标； 评分单元， 用于根据所述相关性排序指标、 重要性排序指标和算法公式得到文章最终 评分； 排序单元， 用于根据所述文章 最终评分进行搜索结果 排序。权　利　要　求　书 1/2 页 2 CN 115438155 A 28.如权利要求7所述的电子设备， 其特征在于， 所述相关性排序指标包括BM25算法的评 分、 搜索词的近邻关系 累计评分； 所述第一计算单 元用于： 基于BM25算法， 采用Elasticsearch引擎对所述待搜索数据进行处理， 得到BM25算法的 评分； 采用Elasticsearch引擎对所述待搜索数据进行处理， 得到搜索词的近邻关系累计评 分； 其中， 近邻关系累计评分通过el asticsearch引擎的脚本评分进行自定义实现， 每个词 出现的位置 可通过配置 elasticsearch引擎的term_vector中的wit h_position_offsets获 得， 每个搜索词的逆文档频率可通过 elasticsearc h引擎的_termverctor接口获得。 9.如权利要求7或8所述的电子设备， 其特 征在于， 所述 算法公式表示 为： ScoreFinal＝k0×ScoreRelevance×DecayFactor+k1×ScoreArticleRan k+k2×ScoredocType ScoreFinal为文章最终评分； ScoreRelevance为文章与用户所输入的搜索词、 短语、 句子之 间的经规范化的相关性评分， 范围为[0,100]； ScoreArticleRank为文章学术影响力评分； ScoredocType为文章类型评分； DecayFactor为时间衰减因子； k0、 k1和k2为待定系数； 其中， 待定系数的计算过程 为： 确定所述待定系数的初始值； 收集分析用户搜索行为日志， 得到 搜索结果的点击特 征数据和评分结果数据； 基于多元线性 回归方式， 根据 所述点击特征数据和评分结果数据对所述初始值进行优 化， 得到优化 值； 根据所述初始值和优化 值得到所述待定系数的目标值。 10.一种电子设备， 其特征在于， 包括处理器、 输入设备、 输出设备和存储器， 所述处理 器、 输入设备、 输出设备和存储器相互连接， 其中， 所述存储器用于存储计算机程序， 所述计 算机程序包括程序指 令， 所述处理器被配置用于调用所述程序指 令， 执行如权利要求 1‑6任 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115438155 A 3