基于深度学习算法的学术查询意图分类器构建

来源：图书情报工作杂志2021年第3期北京时间：

作者：王瑞雪,方婧,桂思思,陆伟,张显

单位：1. 武汉大学信息管理学院 武汉 430072;<br />\r\n2. 南京农业大学信息管理系 南京 210095;<br />\r\n3. 武汉大学信息检索与知识挖掘研究所 武汉 430072;<br />\r\n4. 百度时代网络技术(北京)有限公司 北京 100085

摘要：[目的/意义] 实现学术查询意图的自动识别，提高学术搜索引擎的效率。[方法/过程] 结合已有查询意图特征和学术搜索特点，从基本信息、特定关键词、实体和出现频率4个层面对查询表达式进行特征构造，运用Naive Bayes、Logistic回归、SVM、Random Forest四种分类算法进行查询意图自动识别的预实验，计算不同方法的准确率、召回率和F值。提出了一种将Logistic回归算法所预测的识别结果扩展到大规模数据集、提取“关键词类”特征的方法构建学术查询意图识别的深度学习两层分类器。[结果/结论] 两层分类器的宏平均F1值为0.651，优于其他算法，能够有效平衡不同学术查询意图的类别准确率与召回率效果。两层分类器在学术探索类的效果最好，F1值为0.783。

关键词：学术查询意图,自动识别,两层分类器,

基金资助：本文系国家社会科学基金青年项目&quot;面向学术搜索的查询意图研究&quot;（项目编号：19CTQ023）研究成果之一。