张 勇 杨赛军 黄 华

（1.中国科学技术信息研究所，北京 100038；2.北京万方数据股份有限公司，北京 100038）

0 引言

信息检索系统能够帮助文献查阅者快速查找目标文献，检索系统在收到用户的检索请求时，根据用户输入的检索词，使用倒排索引技术查找到所有符合用户检索语句的文献，然后使用预先设定的指标对这些文献计算分值并排序返回。面对用户不同的文献搜索需求，检索系统需要结合引证关系、时间因子、实时热度等各类指标，计算出每一篇文献的分值，对命中文献进行实时排序。具体指标包括出版时间、被引用次数、相关度、下载次数等。搜索引擎按照一定的规则对文献进行排序，以帮助用户精准发现所需的文献。

万方数据的搜索引擎收录有近3 亿篇的文献，包含中外文期刊、学位、会议、专利等，如果仅使用PageRank值进行排序，不是所有文献都能找到引证关系，尤其是新文献，因此无法有效计算PageRank值。如何使用更有效的评分指标对海量文献进行排序，满足用户搜索文献需求，已成为万方数据搜索引擎首要解决的问题。本文研究了基于引证关系的PageRank算法和引入时间衰减因子的CiteRank算法，同时加入其他归一化的指标，包括出版年份、下载次数等，对文献进行评分，以提升新文献和热门文献被阅读的概率。

经典的文献排序算法包括PageRank和CiteRank。PageRank算法的核心是PageRank值，假设用户在浏览网页时，会随着这篇网页的链接引导一直点击进入下一层引用的页面，直到完成浏览关闭页面、或随机打开了一个新的网页。……