一种评价网络学术资源重要性的新方法

摘要

本发明揭示了一种评价网络学术资源重要性的新方法，属于信息管理领域技术领域。本方案针对网络学术资源的特点，提出了基于支持向量机的排序算法(SVM Ranking：SupportVector Machine Ranking)自动评价网络学术资源重要性的新方法。该方法包括训练和应用两个阶段：训练阶段由专家对一组样本的任意两个标注其相对重要性，然后依据标记样本学出支持向量机排序模型；在应用阶段，对任意的网络学术资源，训练好的支持向量机排序模型可输出一个实数表示其重要性。支持向量机排序模型被周期更新，每次更新都将基于专家新标记的样本。网络学术资源的重要性可被用来调整检索结果的排序，使把相关性类似但重要性较高的结果排在前面。

主权项

1.一种评价网络学术资源重要性的新方法，该方案具有如下特点：(1)每个网络学术资源表示为一个特征向量；特征向量包括静态特征和动态特征两类：静态特征是网络学术资源初次下载时可获得的特征，如资源类型，发布该资源的站点等；动态特征是网络学术资源在使用过程中积累的特征，如下载量，点击次数，用户反馈评级等；(2)随机挑选一批网络学术资源，由专家指定其相对重要性；并用投票机制解决样本标记的分歧；(3)根据专家标记的样本训练基于支持向量机排序模型，该模型将对每个网络学术资源特征向量，输出实数值表示其重要性；(4)周期性的由专家重新标记样本，并更新基于支持向量机排序模型；(5)网络资源重要性作为检索结果排序的依据，使把相关性类似但重要性较高的结果排在前面在其他在检索结果相关度。