推荐词的展现方法和装置的制造方法
【技术领域】
[0001]本发明涉及互联网技术领域，尤其涉及一种推荐词的展现方法和装置。
【背景技术】
[0002]在学术科研领域，学者、学生或科研工作者等对某个领域有知识需求的时候，都会检索相关文献，从传统的纸质文献到如今的电子文献，检索方式越来越方便。而用户的需求有很多种，可以分为:
[0003]I)精确需求:精确的单篇论文和/或具体的某个作者等。
[0004]2)非精确需求:某个领域的研宄热点和前沿、专家、权威机构、学术会议、学术期刊等。
[0005]对于精确需求，可以通过标题、作者和/或关键词等检索手段检索到相关知识，满足需求。而非精确需求则很难通过具体某个检索词(query)的检索来满足用户对知识的需求，例如:检索“管理学专家”，用户的实际需求是管理学领域的学术专家，但检索得到的结果往往却不是相关专家。
[0006]并且，通过具体某个检索词的检索也无法解决时效性的问题，例如:用户检索“历史学研宄热点”，用户的实际需求是当下历史学的研宄热点，但检索得到的结果往往却是几年之前的知识。
【发明内容】
[0007]本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
[0008]为此，本发明的第一个目的在于提出一种推荐词的展现方法。该方法可以摆脱用户的知识背景以及检索词的局限性，真正地为用户推荐相关知识，引导用户搜索，可以很好地满足用户无法描述或者描述不精确的知识需求，并且通过用户行为挖掘以及历史大数据分析可以有效避免时滞问题，推荐的知识都具有很高的时效性。
[0009]本发明的第二个目的在于提出一种推荐词的展现装置。
[0010]为了实现上述目的，本发明第一方面实施例的推荐词的展现方法，包括:针对至少两个维度中的每个维度从基础数据中提取推荐词；从提取的推荐词中提取至少两种特征，并根据所述至少两种特征对所述推荐词进行处理；根据行为数据展现处理后的推荐词。
[0011]本发明实施例的推荐词的展现方法，针对至少两个维度中的每个维度从基础数据中提取推荐词，然后从提取的推荐词中提取至少两种特征，并根据上述至少两种特征对上述推荐词进行处理，最后根据行为数据展现处理后的推荐词，从而可以摆脱用户的知识背景以及检索词的局限性，真正地为用户推荐相关知识，引导用户搜索，可以很好地满足用户无法描述或者描述不精确的知识需求，并且通过用户行为挖掘以及历史大数据分析可以有效避免时滞问题，推荐的知识都具有很高的时效性。
[0012]为了实现上述目的，本发明第二方面实施例的推荐词的展现装置，包括:提取模块，用于针对至少两个维度中的每个维度从基础数据中提取推荐词，以及从提取的推荐词中提取至少两种特征；处理模块，用于根据所述提取模块提取的至少两种特征对所述推荐词进行处理；展现模块，用于根据行为数据展现所述处理模块处理后的推荐词。
[0013]本发明实施例的推荐词的展现装置，提取模块针对至少两个维度中的每个维度从基础数据中提取推荐词，然后从提取的推荐词中提取至少两种特征，处理模块根据上述至少两种特征对上述推荐词进行处理，最后展现模块根据行为数据展现处理后的推荐词，从而可以摆脱用户的知识背景以及检索词的局限性，真正地为用户推荐相关知识，引导用户搜索，可以很好地满足用户无法描述或者描述不精确的知识需求，并且通过用户行为挖掘以及历史大数据分析可以有效避免时滞问题，推荐的知识都具有很高的时效性。
[0014]本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
【附图说明】
[0015]本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中:
[0016]图1为本发明推荐词的展现方法一个实施例的流程图；
[0017]图2为本发明推荐词的展现结果一个实施例的示意图；
[0018]图3为本发明推荐词的展现结果另一个实施例的示意图；
[0019]图4为本发明设置用户关注的领域和语言的页面一个实施例的示意图；
[0020]图5为本发明推荐词的展现结果再一个实施例的示意图；
[0021]图6为本发明推荐词的展现结果再一个实施例的示意图；
[0022]图7为本发明推荐词的展现结果再一个实施例的示意图；
[0023]图8为本发明推荐词的展现结果再一个实施例的示意图；
[0024]图9为本发明推荐词的展现装置一个实施例的结构示意图；
[0025]图10为本发明推荐词的展现装置另一个实施例的结构示意图。
【具体实施方式】
[0026]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
[0027]图1为本发明推荐词的展现方法一个实施例的流程图，如图1所示，该推荐词的展现方法可以包括:
[0028]步骤101，针对至少两个维度中的每个维度从基础数据中提取推荐词。
[0029]其中，上述至少两个维度是指为用户挖掘的推荐词所涉及的至少两个不同维度，举例来说，上述至少两个维度可以包括领域关键词、期刊、学者和会议等。
[0030]步骤102，从提取的推荐词中提取至少两种特征，并根据上述至少两种特征对上述推荐词进行处理。
[0031]其中，上述至少两种特征是指能够衡量推荐词重要性和准确性的特征，上述至少两种特征可以包括:学术论文的引用量及引用的领域分布、推荐词的检索量、推荐词的领域分布信息和推荐词领域相关及负相关。
[0032]具体地，(I)学术论文的引用量及引用的领域分布:在期刊和/或学者挖掘中比较关键，将期刊和/或学者的所有论文划分到各个领域中，再对各个领域的论文的引用量进行统计。
[0033](2)推荐词检索量:这里的检索量指两个值，一个是每个推荐词在检索日志中的统计量，另一个是推荐词在所有论文关键词中出现的频次。后者只用于领域关键词的挖掘中。
[0034](3)推荐词领域分布:推荐词领域分布在不同维度的计算方式不一样，例如:在领域关键词的挖掘中是指特定关键词在各个领域的论文中出现的频次；在期刊、学者、会议挖掘中是指其包含的论文的领域分布数据。
[0035](4)推荐词领域相关及负相关:主要是指某个推荐词在领域中出现的概率大小及概率整体分布的情况，例如:“数据挖掘”在“计算机”领域出现概率大，则表示“数据挖掘”与“计算机”领域的相关性大，“调研”在多个领域中出现概率差不多并且分布的领域很多，则表示“调研”与各个领域的负相关性大。
[0036]本实施例中，根据上述至少两种特征对上述推荐词进行处理可以为:根据每个维度的推荐词对每种特征的倚重程度，对上述推荐词中提取的至少两种特征的权重进行调整；然后根据调整权重后的特征对上述推荐词进行过滤，并对过滤后获得的推荐词进行排序。其