基于PARADISE平台的论文检索系统(一)

摘要：
 本文基于天网实验室的Platform for Applying, Researching And Developing Intelligent Search Engine (PARADISE)搜索引擎平台，通过以从portal.acm.org抓取的计算机网络方向的2500多篇论文为数据，搭建成一个论文搜索系统，最终目的是通过论文之间的引用关系，获得其他引用这篇论文的作者对这篇论文的评价，形成一个小的评价段落，以及Impact-based Summaries，从而使得我们能够从专业级的角度获得这篇论文的内容以及优劣。我们首先从portal.acm.org上面抓取了文章之间的引用关系，然后通过一个算法获得对一篇文章评价的候选句子集，根据这些句子的重要程度进行排序，获得一个评价短文。并且构建了一个语言模型，通过这些候选句子集对原文的句子进行评分，取得分最高的几个句子，获得原文基于影响的概括。

关键词
搜索引擎, 论文评价, 语言模型, KL-divergence算法, 基于影响的概括

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

目录
第1章 引言 5
1.1研究背景 5
1.2工作内容 2
1.2.1抓取所需要的论文数据 2
1.2.2获得一篇论文的评价并较好的显示出来 2
1.2.3获得一篇论文基于影响的总结段落 3
1.2.4基于PARADISE平台搭建搜索平台 3
1.3实验的意义 3
第2章 数据的收集 5
2.1如何提取数据 5
2.2数据抓取的过程 6
2.3数据的存储及解析 7
第3章 生成评论集 10
3.1获得评价的候选句子集 10
3.2获得评论段落 11
第4章 建立模型并生成基于影响的概括 13
4.1建模之前我们所有的数据 13
4.2建模算法 13
4.3算法的实现 14
4.4获得基于影响的概括 15
第5章 搭建搜索引擎 16
5.1 PARADISE结构简介 16
5.2修改索引部分 17
5.3修改前台部分 18
5.4系统示意图 19
5.4.1主界面 19
5.4.2搜索结果界面 20
5.4.3评论界面 21
第6章 实验结果与分析 22
6.1实验结果 22
6.2具体分析 22
第7章 后续工作 26
第8章 致谢 27
参考文献 28

第1章 引言
1.1研究背景    
 如今，全世界范围内学术活动日益积极，所产生的论文也在不断增多，因此，如何搜索到自己所需要的论文，以及自动获取一些关于论文的信息，是客观需要的。学术检索，绝不简简单单的检索出所要查找的论文，这样就和普通的通用搜索引擎如Google等一样了。学术检索，应该更侧重于深层次的内容挖掘。
 例如，可以通过一篇论文所引用的文章以及所属领域，寻找出这个文章所在领域的主要论文，这对了解一篇论文的背景知识以及理解一个领域的发展非常重要。在[Nie, et al.,2007, Volkert,2005] 中提到了文献检索现在主要的发展方向，有以下几点：1.提高检索的质量，这是从语言模型的角度，让人们更加准确的找到所需要的论文。2.找到相关领域的最主要论文，以及一些较权威的作者，帮助读者了解相关知识。3.从reference和citation角度，挖掘出一些知识，最常见的，就是通过一篇论文的被引用次数确定它的排名以及影响力。

首页 上一页 1 2 3 4 5 6 下一页 尾页 1/6/6