摘要：[目的/意义] 在科技查新实践中，部分查新点所对应的检索式包含大量检索词，若检索结果中缺少合适文献，对检索式的进一步调整十分考验查新员的检索技巧。[方法/过程] 查新检索式逻辑运算符选择系统以文献与查新点共同涉及内容的信息量来描述文献对查新点新颖性的否定程度，即两者的相关程度，并结合检索、分析功能，采集关键词在数据库中的分布特征计算信息量，评估文献相关性，评估结果可基于查新员反馈实时修正，最终反馈密切相关文献对应的检索式。[结果/结论] 实践表明，该系统可辅助多种类型查新点的检索策略制定，尤其适用于涉及关键词较多的查新点。

关键词：科技查新；文献检索；信息量

分类号：G252.7

引用格式：范午攸. 查新检索式逻辑运算符选择系统[J/OL]. 知识管理论坛， 2024， 9（1）： 57-64 [引用日期]. http：//www.kmf.ac.cn/p/377/. （Citation： Fan Wuyou. A Boolean Operator Selection System for Sci-tech Novelty Searching[J/OL]. Knowledge Management Forum， 2024， 9（1）： 57-64 [cite date]. http：//www.kmf.ac.cn/p/377/.）

1  引言/Introduction

科技查新作為高校图书馆常规业务，支持学校科研项目立项、验收、成果鉴定、申报奖励等科学管理工作。科技查新流程通常需7—10个工作日[1]。其中，文献检索与查新结论的客观性、准确性密切相关，也是耗时相对较多的环节。

近年的教育部高校科技查新审核员培训中对查新检索提出以下要求：①查新员提供的相关文献可由其提供的检索策略检出；②查新的检索结果需经查新员逐篇确认；③每个查新点应检出10篇以上的相关文献。此外，《科技查新技术规范》中要求根据查新点内容多角度构建检索式。

为满足上述需求，科技查新文献检索不仅需要准确构造检索式，以反映查新项目的创新之处，还需在前一检索式的基础上进行调整，将检索范围扩展至内容与查新项目部分相同的文献，同时保证检索结果的数量适中、相关性强、角度全面。现有研究已总结出多种检索式调整方法[2]，但较少涉及面对具体问题时的方法选择[3]，技术规范亦建议“反复试检”，即不断试错。

本系统可在检索词确定的条件下，通过修改逻辑运算符调节检索式，并完成试检与检索结果评估，从而协助查新员制定检索策略，最终提升科技查新的工作效率。

2  相关研究与研究目的/Related research and research purposes

2.1  相关研究

由于查新工作的复杂性，使用计算机辅助科技查新一直是该领域的研究课题，其内涵与外延也几经扩展。最初此类研究特指联机检索在查新中的应用，近年来则以查新项目管理系统为主，在报告生成方面也有一些研究。而在报告自动生成方面，早期的研究局限于调整格式，不涉及内容生成，但随着计算机语义理解的发展，检索式生成、结果分析与报告撰写均成为可能。

检索式生成原理相对固定，即将关键词分为同义词与非同义词，前者以“逻辑或”连接，后者以“逻辑与”连接，并基于各数据库的规范生成检索策略式[4]。在检索式生成的基础上，通过数据接口或浏览器控制工具进行联机检索与去重，实现科技查新的自动检索[5]。而将检索式生成与关键词抽取[6]或同义词词典[7]结合，可从查新点直接获取检索式，检索与查新点内容一致的文献。

关于检索策略调整方面的研究较少，总体可分为两种思路：①基于结果数量，逐步放宽检索条件直至检出相关文献[3]；②基于结果相关性，逐一尝试检索式直至检出相关文献[5]。

对于文献相关性判定，现有研究存在多种方式，具体分为：①词频类，如基于关键词在文献题录中的词频与所属字段[8]，或综合考虑关键词在数据库中词频[7]的相关性分析；②内容类，如基于分类算法对查新点和相关文献进行主题分类，之后进行比对[9]，或基于聚类算法对检索结果进行主题词抽取，从而辅助查新员判断[10]，或基于语义相似度，直接计算查新点与相关文献的相关性[5]。

此外，科技查新机构分为专精特定领域的专业类和不限定检索范围的综合类[11]，专业类机构所用系统的算法可能无法适用于其他学科。

2.2  研究目的

笔者在现有的检索式生成与自动检索系统基础上，对相关文献选择及系统工作流程进行改良，设计包含检索功能的科技查新检索策略调整系统，以期解决面对复杂查新点时检索式构建的效率问题。

现有研究主要将一篇文献作为一个整体去衡量相关性。而在科技查新文献检索时，相比于研究主题的相似度，是否采用相同的技术细节更为重要，且查新实践表明，查新项目使用其他领域技术的现象十分普遍。另一方面，查新文献检索需要可重复验证的检索式，这既是工作流程的需求也是报告审核的需求，但并非所有相关文献选择方法均能提供检索式。

笔者从科技查新文献检索的目的出发，提出以信息论中的定量指标“信息量”描述文献对查新结论的贡献程度，并通过文献计量的方式计算这一指标，作为选择相关文献的依据。该指标具有如下优点：①仅基于文中出现的关键词，无关数量、位置，因此可通过检索式对检索结果的相关程度进行评估；②选定相关文献后，会优先推荐与已有相关文献不同的结果，保证结果多角度；③仅依据关键词组的词频计算，数据容易采集；④对局部细节的相似较为灵敏。

为充分发挥本方法的优势，笔者结合现有查新工作流程与查新员工作习惯，设计交互式系统，系统依据查新点对应的检索词批量生成检索式，经自动检索，将数量适中、相关性强的检索结果提交查新员确认，并通过交互界面，根据查新员反馈，实时修正列表，最终依据查新员确认无误的检索结果生成检索式。

3  基于信息量的文献相关性排序/Literature relevance ranking based on amount of information

信息量源于信息论，是被广泛应用于多个不同学科的定量指标。在信息与通讯领域中，信息量代表消息所包含的有意义内容的量值，与消息令人惊奇、意外的程度正相关[12]，这一定义与新颖性十分相似。在自然语言处理中，信息量可作为基于文献计量的文本相关性指标。

笔者参考上述性质，以信息量为中间变量，将科技查新的相关性问题转化为文献计量问题。

3.1  查新中的相关性

科技查新可视为一项语义检索任务：①检索对象为“查新点”中的“实体”及实体间“语义关系”。例如，查新点“PRP原位治疗慢性难愈合创面”中实体为“PRP”“原位治疗”“慢性难愈合创面”，语义关系为“使用……治疗”。②检索结果为“比对文献”及“重合部分”。其中，比对文献指能证明或否定查新点新颖性的文献，重合部分指比对文献和查新点中同时出现、相互间语义关系也一致的一组实体。③实际工作中，查新员通过检索实体所对应关键词获取报道该实体的文献，通过人工阅读获得实体间的语义关系，并选择与查新点相关性较强的文献作为比对文献。但在查新规范中，相关与密切相关均为定性指标，如何量化查新中的相关性并无标准。

笔者将“相关程度”定义为文献对查新结论准确性的贡献程度，该指标可通过引入“信息量”进行计算。

3.2  信息量的含义

信息量的计算公式如公式（1）所示：

其中，P（x）为消息所传递事件的发生概率，此概率指基于已知信息估算的条件概率。

在查新工作中，消息指科研文献或查新点，事件指其中报道的一项或多项技术，事件发生指技术可行，技术可通过实体及语义关系表示，已知信息指常识性的技术，文献与查新点使用同一项常识性技术不影响查新结论。

笔者以文献数为客观标准，将报道次数大于阈值的术语或术语组合视为已知信息，阈值为人工确认文献数的上限，如引言所述，查新检索的结果数量需适中，数量超过上限时，虽然检索结果可能与查新点同样报道了检索式所描述的内容，但并不以此为依据将其视为相关文献，这与常识性技术的定义相似。

3.3  文献信息量与相关性

3.1节中指出，相关程度可通过信息量计算，具体而言，文献与查新点重合部分的信息量越大，与其他比对文献重合部分的信息量越小，越有助于提升查新结论准确性，证明如下：

依据教育部科技查新规范，查新点存在新颖性是指查新点中存在未被公开文献报道的内容。而在查新报告结论部分，当比对文献与查新点存在明显差异时，认定查新点存在新颖性。

因此，证明新颖性的过程可表述为：依据IP>IE，证明IP>IT。其中IP为查新点信息量；IT为全数据库文献与查新点重合部分总信息量，IE为所有比对文献与查新点重合部分总信息量。由于IE≤IT，上述证明存在误差IT–IE，而IE与单篇比对文献存在关系如公式（2）所示：

其中，Ki为第i篇比对文献与查新点的重合部分，以下简称该文献的技术要点，Ii为Ki的信息量。Ii'为第i篇文献同时与查新点和前i–1篇文献重合部分的信息量。

3.4  基于文献计量的信息量公式

信息量可通过关键词及其组合的词频进行计算。

假定关键词按词组词频随机分布，且结果尽可能接近独立概率假设，对公式（1）进行近似可得公式（3）：

其中，为Kx中的全部实体；为数据库中报道的文献数，≤T时视为0，T为3.2节所述阈值，实践中通常取值在50至100之间；为的某一子集，表示与的补集，其中N为领域文献总量，ps*为查新员对相关文献在检索结果中占比的估值。

当所有均存在或时，公式（3）结果无意义，此时Kx必然包含多项报道数量较少的技术，故人为规定，对这些技术的信息量取最大值，作为Kx的信息量，如公式（4）所示：

Ii'完整公式较为复杂，约分并删去0项和极小项后可近似化简为公式（5）：

其中，Ki∩Kn表示Ki与Kn所含实体的交集。f（Ki∩Kn）=I（Ki∩Kn）的条件为：对于任意满足j

公式（3）—公式（5）中所含数值通过文献检索获取，其余N、T、ps*均为常量，由于最终目的是依据（Ii–Ii'）进行排序，而–log2（ps*/N）通常大于I（Kx）中的其余项，故不设置具体数值，排序时先依据结果中–log2（ps*/N）的数量排序，再依据其余项之和排序。

4  系统框架与实现/System design and implementation

前一节中，笔者将检索结果的相关性问题经由信息量转化为文献计量问题。本节将介绍基于该算法的交互式逻辑运算符选择系统，该系统使用python开发，整合了文献自动检索、信息量计算、检索式生成3个主要功能，相比同类工具有半本地半联机检索、用户交互、检索式化简这3项特色功能，系统运行流程如图1所示：

4.1  半本地半联机检索

本系统所用数据来源于各大期刊数据库，但所需检索频率较高，为提升检索效率，避免高频访问，系统建立本地索引辅助。共建立两个索引：①文献数索引，儲存各检索式的检索结果数；②题录索引，储存各检索式的结果题录，具体包括文献的标准引用格式、篇名、关键词、摘要。

在检索时，将同义词以OR连接并视为一个关键词，之后对关键词的所有组合方式按词数正序排列，并依次尝试：①在文献数索引中检索；②若其题录索引收录其子集，在题录索引中检索，并将结果存入文献数索引；③进行联机检索，将结果存入文献数索引，若可导出全部题录，则将其导出并存入题录索引。检索完成后，对题录索引进行合并、去重，依据其中的题录数更新文献数索引。

4.2  用户交互

本系统主要特色是依据选定的比对文献调整后续文献的排序，交互系统可充分发挥这一优势，并为查新员提供一定建议。

系统除接受查新员输入的关键词外，排序完成后会逐批显示结果并与用户交互，每次显示一组相关程度最高的文献题录以及题录对应的关键词组合，询问查新员关键词在文中的含义和语义关系是否与查新点中一致，并基于反馈调整各组题录的相关度。此外，系统实时检查关键词的使用状况，当发现包含某关键词的所有检索式均不合适时，将停止操作并提醒查新员修改该关键词。若每个关键词或其同义词均出现在查新员选定的文献中，系统将提示检索工作可以完成。

4.3  检索式化简

本系统另一特色是比对文献由对应检索式给出，因此在查新员选择完比对文献后，系统可提供对应检索式用于查新报告及后续审核。

方法具体为：将每组比对文献对应的检索式进行OR连接，之后进行化简。化简基于AND连接与OR连接的结合律，采用逐步法，每步枚举所有可用的化简方式，取化简后并列最简洁的检索式进行下一步的化简，直至获得无法化简的检索式。该方法可保证查新检索结果中包含全部比对文献，且非比对文献数量最少。

5  实践验证/Experimental verification

为说明系统的工作流程与原理，本节以查新点“利用蒸发冷凝法结合原位高温高压氢化法制备氢化镁”的中文文献检索为例，从系统流程与查新员工作流程来解释系统的运行流程。

5.1  系统内部的工作流程与原理

（1）对于查新员提供的关键词：蒸发冷凝、原位、高温高压、氢化、氢化镁以及氢化镁的同义词MgH2，依据同义词OR连接，非同义词AND连接的方式，生成31种符合条件的关键词组合。并依据4.1节的流程在知网、万方数据中进行检索与去重， 获取结果数量，如表1所示：

（2）对检索出文献的关键词组合kx，结果数在阈值50以上的视为已知信息，信息量I（kx）=0。其余作为备选检索式，逐篇计算I（kx）。

例如，“原位 蒸发冷凝”由“原位”和“蒸发冷凝”组成，代入公式（3）可得，I（原位 蒸发冷凝）=–log2（N（原位）?N（蒸发冷凝）?ps*/N）。N（原位）指关键词“原位”的检索结果数，数值见表1。又如，“原位 氢化 高温高压”中的关键词可由3种方式分为两组，其中“高温高压”与“原位 氢化”的结果数量乘积最大，表明此时组内关键词间的相关性最强，分组方式最合理，故I（原位 氢化 高温高压）=–log2（N（高温高压）?N（原位 氢化）?ps*/N）。

（3）依据I（kx）从高至低的顺序逐条提供kx'及對应文献题录，寻求用户意见。反馈为无关的移出备选检索式列表。直至用户反馈为相关，将相关的kx'记录为第1条相关检索式K1'。

（4）逐篇计算备选检索式的I2'（kx），Ii'（kx）是kx与前i–1条相关检索式重合部分的信息量，由公式（5）计算。例如，K1'为“原位 氢化 高温高压 氢化镁”，K1'与“氢化 蒸发冷凝 高温高压”重合部分为“氢化 高温高压”，故I2' （氢化 蒸发冷凝 高温高压）=I（氢化 高温高压），后者计算见步骤（3）。

（5）依据3.4节方法对I（kx）–I2'（kx）进行排序，重复步骤（3）、步骤（4）获取K2，K3……。获取第4组相关检索式后，用户反馈检索完成，使用4.3节方法将K1–K4合并为最终检索式。

5.2  系统使用方法

与程序原理相比，人工处理的步骤相对简单。

（1）查新员从查新点“利用蒸发冷凝法结合原位高温高压氢化法制备氢化镁”中凝练出上述5个检索词与1个同义词，由文本框输入系统，选择“自动分析”。

（2）系统弹出提示，发现可能涉及“蒸发冷凝 高温高压 氢化”的文献，并展示符合条件的文献题录与摘要。查新员确认上述关键词在查新点中指“蒸发冷凝法结合高温高压氢化法”，但观察发现文献中“氢化”指“氢化物”，因此选择“否”。

（3）系统再次弹出提示，发现可能涉及“原位 高温高压 氢化 氢化镁”的文献。核对后发现文献报道了“原位高温高压氢化法制备氢化镁”，与查新点一致，因此保存题录用于撰写查新报告，并在系统上选择“是”。

（4）重复步骤（2）或步骤（3），直至保存的题录数量达标，在系统提示检索完成时选择“是”，系统展示：（（氢化 AND 高温高压 AND （氢化镁 OR MgH2））） OR （（蒸发冷凝） AND （（氢化） OR （原位）））。

（5）删除其中无意义的括号后，得到最终检索式：（氢化 AND 高温高压 AND （氢化镁 OR MgH2）） OR （蒸发冷凝 AND （氢化 OR 原位））。

5.3  系统优势

相比传统方法，本系统最大优势在于提供了一种易于使用且效率稳定的检索流程。

如前所述，查新检索的目的是获取结果数量适中、内容相关、角度全面的检索式，方法主要是在已有检索式的基础上进行调整。难点则在于调整方法众多，满足条件的检索式较少且缺少明显特征。例如本节的查新点，除同义词外共5个检索词，将其与1个OR运算符、3个AND运算符和括号进行组合，可构成6种结构的105种检索式，在排除明显不合理的检索式后，仍有20余种意义明确的检索式。但检索后可知这105种检索式的结果均不符合条件，需要替换关键词或采用结构更为复杂的检索式，此时备选检索式的总量已经难以统计。

在实践中，查新员通常不会对检索式进行直接枚举，而会根据自身判断先尝试若干检索式，再根据结果的数量和相关性逐步调整，但仍可能出现反复调整依然无法获得可用检索式的情况。这是由于检索式的小幅度调整也会大幅度影响检索结果，但在对相关领域缺乏充分了解的情况下又很难预测具体的变化幅度。

而通过本系统，查新员在确认6个检索式对应的62篇文献后就获得了可用的检索式，且最多只需确认9个检索式对应的114篇文献，即使无法获得可用的检索式，也能发现需要修改的检索词，大幅提升了查新检索效率，对于不熟悉相关领域的查新员，这一提升的效果将更为明显。此外，查新员只需对检索结果是否描述了特定内容进行判断，无需设计检索策略、比较结果的相关程度或亲自检索文献，在提升效率的同时也降低了整个流程的处理难度。

5.4  适用范围分析

除上述案例外，笔者还在生物、机械工程等领域的查新中进行测试，该系统均给出了有效的检索结果。结果还表明，本系统不仅可以衡量检索式与查新点的相关程度，还能基本排除关键词间缺乏关联的不合理检索式，原因可能在于，高信息量检索式出现结果是小概率事件，实际发生就意味着检索式中关键词间一定存在某种联系。

但该系统同样存在缺陷：①本节案例中使用的是查新员调整后的检索词，直接使用用户提供的关键词时，系统运行中通常会多次要求查新员对检索词进行修改，直至获得恰当的关键词，但这一过程中系统仅能指出需要修改的关键词，无法提供更具体的意见；②算法依赖文献检索，因此对特定的查新点表现较差，例如一些工程领域的方法创新，技术要点通常不在题录中体现，或者部分查新项目所用关键词存在严重歧义；③对于关键词在3个以内的简单查新点，人工检索的效率通常已经很高，使用本系统也难以进一步提升。

6  总结与展望/Summary and prospect

本系统已在科技查新工作中进行验证，实践发现，对于涉及关键词较多的查新点，例如组合运用多项技术的项目，该系统具有较好的适应性，通常能有效地给出合理的检索策略，实现了系统开发的主要目的。对于关键词较少的冷门研究，本系统亦可快速给出检索策略或关键词修改建议。但也存在5.4节所述的不足。

目前，人工智能语言模型在文献摘要提取、翻译、文献内容比对、报告撰写等其他科技查新所需的工作上展现了惊人的能力，而文献检索方面，则受版权与原理的多重限制，难以保证结果的高查全率，因此能与本系统形成很好的互补。所以与语言模型结合是本系统未来的主要改进方向，主要包括两个方面：①文献筛选后的自动比对与结论生成；②从查新点中抽取关键词并发现同义词。此外，还可以引入传统模型对词间语义关系进行计算，减少计算信息量时的误差，进一步提升结果精度。

参考文献/References：

鄂丽君. 高校图书馆科技查新服务调查与分析[J]. 情报杂志， 2012， 31（1）： 180-184. （E L J. Investigation and analysis on sci-tech novelty search service of university libraries[J]. Journal of intelligence， 2012， 31（1）： 180-184.）

张岚， 张柏秋， 于非， 等. 探讨科技查新中检索策略式的制定[J]. 现代情报， 2008（10）： 151-152，157. （ZHANG L， ZHANG B Q， YU F， et al. Discussion on formulation of search strategy in sci-tech novelty retrieval[J]. Journal of modern information， 2008（10）： 151-152，157.）

周小茹， 郑菲， 王彦兵. 基于技术特征的科技查新文献检索策略[J]. 知识管理论坛， 2018， 3（2）： 61-72. （ZHOU X R， ZHENG F， WANG Y B. Search strategy of scientific and technical novelty search based on technological characteristics[J]. Knowledge management forum， 2018， 3（2）： 61-72.）

羅思民， 洪凡， 谢秋梅. 科技查新检索及撰写报告工作平台研究[J]. 图书情报导刊， 2017， 2（5）： 45-49. （LUO S M， HONG F， XIE Q M. Study on working platform for retrieval and report writing of sci-tech novelty search[J]. Journal of library and information science， 2017， 2（5）： 45-49.）

黄孝伦， 王东， 谭涛， 等. 智能科技查新系统的设计与实现[J]. 计算机测量与控制， 2020， 28（2）： 202-205. （HUANG X L， WANG D， TAN T， et al. Construction of intelligent novelty search system[J]. Computer measurement & control， 2020， 28（2）： 202-205.）

王培霞， 余海， 陈力， 等. 科技查新中检索词智能抽取系统的设计与实现[J]. 现代图书情报技术， 2016（11）： 82-93. （WANG P X， YU H， CHEN L， et al. Using intelligent system to extract search terms for sci-tech novelty retrieval[J]. New technology of library and information service， 2016（11）： 82-93.）

韦嵘晖， 王庆红， 孙辛博， 等. 电力领域科技查新系统的设计与实现[J]. 电力大数据， 2020， 23（2）： 46-52. （WEI R H， WANG Q H， SUN X B， et al. Design and implementation of the sci-tech novelty retrieval system for electric power field[J]. Power systems and big data， 2020， 23（2）： 46-52.）

郝晓春， 李跃青， 付改侠， 等. 火炸药科技查新系统的设计[J]. 科技与创新， 2021（22）： 58-60. （HE X C， LI Y Q， FU G X， et al. Design of a novelty search system for explosives and explosives technology[J]. Science and technology & innovation， 2021（22）： 58-60.）

姚俊良， 乐小虬. 科技查新点语义匹配方法研究[J]. 数据分析与知识发现， 2019， 3（6）： 50-56. （YAO J L， LE X Q. Semantic matching for sci-tech novelty retrieval[J]. Data analysis and knowledge discovery， 2019， 3（6）： 50-56.）

馬林山， 郭磊. 基于主题模型（LDA）的查新辅助分析系统设计研究[J]. 现代情报， 2018， 38（2）： 111-115. （MA L S， GUO L. Research on design of novelty retrieval aided analysis system based on LDA model[J]. Journal of modern information， 2018， 38（2）： 111-115.）

吴超， 赵明华， 祝悫智， 等. 管道科技查新平台的开发与实现[J]. 情报探索， 2017（11）： 65-69. （WU C， ZHAO M H， ZHU Q Z， et al. Development and realization of pipeline sci-tech novelty retrieval platform[J]. Information research， 2017（11）： 65-69.）

李白萍， 吴冬梅， 滑玉. 通信原理与技术[M]. 北京：人民邮电出版社， 2003： 5-6. （LI B P， WU D M， HUA Y. Communication principles and technologies[M]. Beijing： Posts & Telecom Press， 2003： 5-6.）

A Boolean Operator Selection System for Sci-tech Novelty Searching

Fan Wuyou

Shanghai Jiao Tong University Library， Shanghai 200240

Abstract： [Purpose/Significance] In the practice of sci-tech novelty search， the search formulas for some novelty search points contain a large number of search terms. When the search results do not include suitable literature， further adjustments to the search strategy will be difficult， and influenced by the retrieval skills of the searcher. [Method/Process] The Boolean Operator Selection System for Sci-tech Novelty Searching uses the amount of information of the content of novelty search points that is also reported by the literature to quantify the quality of novelty denied by the literature， the relevance of a literature to a novelty search point. And this system has retrieval， analysis， and interaction functions to counts the distribution characteristics of the search terms in each database， calculates the amount of information of the overlapping part in the literature and novelty search points， and evaluates the literature relevance. The evaluation will be automatically corrected based on feedback from the searcher. Finally， the system will generate a search formula based on maximizing the correlation of the results. [Result/Conclusion] Practical use has proven that the system can assist in making retrieval strategies of various types of novelty points， especially for novelty search points that involve a large number of search terms.

Keywords： sci-tech novelty searching    literature searching    amount of information

Author（s）： Fan Wuyou， Librarian， Master， E-mail： fanwuyou@sjtu.edu.cn.

Received： 2023-09-04    Published： 2024-02-27