主題自適應(yīng)學(xué)術(shù)會(huì)議搜索系統(tǒng).pdf

1、據(jù)不完全統(tǒng)計(jì),每年在世界各地舉辦的國(guó)際學(xué)術(shù)會(huì)議的數(shù)量達(dá)到了1萬多次,參會(huì)人次也有百萬之巨,學(xué)術(shù)交流活動(dòng)日益頻繁。而且,學(xué)術(shù)會(huì)議的種類繁多,特點(diǎn)復(fù)雜,有的是一次性的會(huì)議,有的則是系列性的會(huì)議。面對(duì)數(shù)量龐大的研究者關(guān)于學(xué)術(shù)會(huì)議信息檢索的急切需求,主要關(guān)注于文獻(xiàn)檢索的現(xiàn)有學(xué)術(shù)搜索引擎與數(shù)字圖書館已顯得力不從心,難以滿足用戶的檢索要求。
　　Acrost是一個(gè)面向CFP(CallForPapers)的主題自適應(yīng)學(xué)術(shù)會(huì)議搜索系統(tǒng),它具有基于

2、主題檢索方式的特點(diǎn),除了提供學(xué)術(shù)會(huì)議檢索服務(wù)之外,它還具有投稿推薦特色服務(wù)。為了獲取充足的數(shù)據(jù)源,系統(tǒng)使用了兩種方式:(1)基于通用搜索引擎的方法,節(jié)省了大量的資源開銷,采用支持向量機(jī)分類器過濾噪聲信息;(2)基于向量空間模型的主題爬蟲,定向地爬取學(xué)術(shù)會(huì)議網(wǎng)頁(yè)。在獲取了原始的學(xué)術(shù)會(huì)議網(wǎng)頁(yè)之后,利用正則表達(dá)式與條件隨機(jī)場(chǎng)分別對(duì)半結(jié)構(gòu)化和非結(jié)構(gòu)化網(wǎng)頁(yè)進(jìn)行信息抽取和實(shí)體識(shí)別,從而采集學(xué)術(shù)會(huì)議元數(shù)據(jù)。然后,利用Lucene對(duì)元數(shù)據(jù)建立倒排索引;

3、同時(shí),提出了一種基于增量層次聚類算法的主題發(fā)現(xiàn)方法,對(duì)用戶上傳的PDF文檔進(jìn)行解析并自動(dòng)發(fā)現(xiàn)其所屬主題領(lǐng)域。另外,系統(tǒng)中建立了一套基于學(xué)術(shù)影響因子的學(xué)術(shù)會(huì)議評(píng)價(jià)模型,其考慮的指標(biāo)包括篇均被引用計(jì)數(shù)、論文錄用率等。
　　實(shí)驗(yàn)結(jié)果表明,Acrost系統(tǒng)的學(xué)術(shù)會(huì)議檢索服務(wù)的召回率、準(zhǔn)確率及F度量分別是84.8％、90.5%、87.6%;投稿推薦服務(wù)的召回率、準(zhǔn)確率及F度量分別是60.8%、68.7%、64.5%;同時(shí),Acrost系統(tǒng)能