CN118939787B 一种融合用户检索意图的启发式知识导航推 荐方法 （中国科学院文献情报中心）

一种融合用户检索意图的启发式知识导航将输入文本和识别结果同步至检索模型进行检解决了现有推荐方法无法准确了解用户的实际2通过将所述实时检索类型输入所述用户意图理解模型进行检索意图识通过将所述输入文本和用户意图识别结果同步至所述文献关联检索模型进行文献关根据所述用户意图识别结果从所述关键知识要素集筛选匹配获得关联知识将所述关联知识要素集反馈至所述实时检索用构建查询文献对，并参考所述查询文献对将所述点击日志数据转化为多组样本查将所述多个样本意图标签加入所述多组样本查询基于RNN构建所述用户意图理解模型，并将所述指令微调数据集作为训练数据优化所预构建文献聚合层，并级联所述多维度文献检索层和文献聚合层，提取获得所述多篇格式化论文的多篇论文摘要，并对所述多篇论文摘要进行句步识提取获得所述多篇格式化论文的多篇关键段落，并对所述多篇关键段落进行句步识提取获得所述多篇格式化论文的多个引用信息，并对所述多个引用信息进行情感分2.如权利要求1所述的一种融合用户检索意图的启发式知识导航推荐方法，其特征在3交互获得预设检索类型集，并以所述预设检索类型集为约束进行检索文本样本收集，将所述多个检索文本样本和多个检索类型样本作为训练数据优化所述检索类型识别3.如权利要求1所述的一种融合用户检索意图的启发式知识导航推荐方法，其特征在以所述损失函数阈值和/或最大迭代次数为约束优化所述多个网络层的多个LoRA低秩4.如权利要求3所述的一种融合用户检索意图的启发式知识导航推荐方法，其特征在于，以所述损失函数阈值和/或最大迭代次数为约束优化所述多个网络层的多个LoRA低秩通过添加修正项对所述第i网络层进行向前传播过程修改，并以此类推对所述多个网;以所述损失函数阈值和/或最大迭代次数为约束，对所述用户意图理解模型执行多个以此类推，直至所述损失函数的计算结果落入所述损失函数阈值和/或周期迭代频次5.如权利要求1所述的一种融合用户检索意图的启发式知识导航推荐方法，其特征在46.如权利要求1所述的一种融合用户检索意图的启发式知识导航推荐方法，其特征在根据所述用户意图识别结果在所述关键知识要素集进行要素提取预设展示形式，并基于所述预设展示形式对所述关将所述可视化展示界面反馈至所述实时检索用5现有推荐方法无法准确了解用户的实际意图，导致推荐结果大多停留在文章或期刊的层[0004]鉴于上述问题，本申请提供了一种融合用户检索意图的启发式知识导航推荐方[0005]本申请提供了一种融合用户检索意图的启发式知识导航推荐方法，所述方法包意图理解模型；通过将所述实时检索类型输入所述用户意图理解模型进行检索意图识别，用户。6[0008]上述说明仅是本申请技术方案的概述，为了能够更清楚[0010]图1为一个实施例中一种融合用户检索意图的启发式知识导航推荐方法的流程示[0011]图2为一个实施例中一种融合用户检索意图的启发式知识导航推荐方法的获得实现有推荐方法无法准确了解用户的实际意图，导致推荐结果大多停留在文章或期刊的层练数据中学习人名类查询背后的意图模式，以便在检索时选择对应的数据库和检索字段，78终端将这个最相似用户的历史数据进行迁移，构建出该实时检索用户的用户意图理解模行相似用户的历史数据迁移应用。所述查询文献对将所述点击日志数据转化为多组样本查询文献对；对所述多组样本查点击日志转化为多组样本查询一文献对的形式，每个样本查询一文献对由用户的查询词docid[0029]基于RNN构建所述用户意图理解模型，并将所述指令微调数据集作为训练数据优[0030]优选的，系统终端利用循环神经网络(RNN)作为基础架构来构建一个用户意图理训练数据，结合LoRA低秩投影矩阵和损失函数对构建的用户意图理解模型进行训练和优9[0032]在所述用户意图理解模型的多个网络层的每个网络层中预引入LoRA低秩投影矩Adaptation)技术进行微调。LoRA的核心策略是在用户意图理解模型的每一层预先引入一一过程受到预设的损失函数阈值和/或最大迭代次数的限制，以确保用户意图理解模型在[0034]进一步，本申请提供了以所述损失函数阈值和/或最大迭代次数为约束优化所述正项对所述第i网络层进行向前传播过程修改，并以此类推对所述多个网络层进行向前传(9,[A,B光1)=ziyeo(fatn,sy(x),):其中，为交叉熵损失值的加和结果，i‘Bifi其中，为交叉熵损失值的加和结果，的用户意图理解模型作为最终的模型进行输图理解模型则推断实时检索用户的意图可能是想要查询与该主题词相关的论文、知名学[0051]通过将所述输入文本和用户意图识别结果同步至所述文献关联检索模型进行文[0060]为了了解论文的结构和内容，对多篇格式化论文的摘要和关键段落进行句步识[0063]根据所述用户意图识别结果从所述关键知识要素集筛选匹配获得关联知识要素