(重慶市衛(wèi)生信息中心，重慶 401120)

0 引言

科技查新是一項復雜的腦力智慧型勞動，其主要的工作是檢索相關文獻并從中分析出與委托人研究點的異同，為科研立題、成果評審等科技活動的新穎性評價提供科學依據(jù)[1-2]。一份高質量查新報告的工作周期一般為3～5日[3]。為了提高查新人員的工作效率，減輕其工作負擔，各種查新系統(tǒng)的構建與應用也越來越多。重慶市衛(wèi)生信息中心承擔了重慶市衛(wèi)健委科研項目立項查新工作，每年受理科技查新500～700項。該中心利用網(wǎng)絡爬蟲技術、全文檢索工具和智能算法對查新業(yè)務流程進行優(yōu)化，構建了智能科技查詢系統(tǒng)，進一步提高查新效率和質量。

1 查新系統(tǒng)的現(xiàn)狀

目前，國內查新機構基本上通過信息技術對查新工作流程進行了重構，實現(xiàn)了在線接收委托申請、審查申請委托、分派查新任務、查新、審核、提交查新報告等功能，建立了不同的查新管理平臺[4-6]。而且，許多學者還在不斷地對查新系統(tǒng)進行設計上的優(yōu)化研究，如：宋正陽等[7]提出了一種基于指標權重疊加的自適應分配模型的農(nóng)業(yè)科技文獻查新系統(tǒng)，能夠一定程度地縮短任務分配時間，加速查新流程；溫慧明等[8]基于Solr搜索應用服務器構建的科研查新系統(tǒng)實現(xiàn)了檢索查新和對比查看；王華等[9]在科技查新平臺模型中新增了質量控制等功能。這些系統(tǒng)基于不同的信息化技術在不同程度上重新構造了查新業(yè)務，規(guī)范了查新流程，提高了查新工作效率，同時也為查新業(yè)務的數(shù)據(jù)資源整合及智能化分析創(chuàng)造了基礎。但是，目前查新系統(tǒng)主要以查新課題、用戶管理、查新任務分配、查新課題委托等為主，如何根據(jù)課題信息自動搜索相關領域的基本知識概念，如何根據(jù)課題領域推薦相關檢索資源等相關報道較少見。

2 智能科技查詢系統(tǒng)設計

2.1 查新系統(tǒng)功能模塊設計

2018年，重慶市衛(wèi)生信息中心研發(fā)了一套智能科技查詢系統(tǒng)并發(fā)布于“重慶醫(yī)生”平臺。該系系統(tǒng)整體包含4大模塊：用戶模塊、查新員模塊、審核員模塊和系統(tǒng)模塊(見圖1)。1)用戶模塊：用戶可直接在線提交查新申請、跟蹤查新處理進程、反饋對查新結果的意見；2)查新員模塊：查新員負責查新申請書的受理、合同的簽訂、查新報告的撰寫，其中文獻檢索功能采用網(wǎng)絡爬蟲技術實現(xiàn)自動檢索，全文檢索功能采用Lucene檢索工具實現(xiàn)對查新申請書的重復性檢測，而且具有對比查看功能，可展示查新申請書和數(shù)據(jù)庫查新報告及文獻資料的重復內容；3)審核員模塊：審核員負責查新報告的審核；4)系統(tǒng)模塊：實現(xiàn)對用戶、查新員、審核員的管理；采用智能算法實現(xiàn)查新任務自動分配；實現(xiàn)查新進度的跟蹤、提醒；用戶與查新員、查新員與審核員之間可通過公共信息交流平臺在線交流。

圖1 查新系統(tǒng)框圖

2.2 查新系統(tǒng)架構設計

智能科技查詢系統(tǒng)基于“重慶醫(yī)生”平臺在技術上實現(xiàn)查新各階段的業(yè)務整合，實現(xiàn)文獻資料的自動采集歸類，實現(xiàn)查新服務共同體的數(shù)字化、自動化、智能化和交互性運營。整個系統(tǒng)的總體框架規(guī)劃如圖2所示。1)注冊服務。注冊服務用于各種共享服務資源的注冊，通過服務資源的發(fā)布—發(fā)現(xiàn)—訪問機制，實現(xiàn)服務資源共享。注冊服務包括對個人、查新人員、醫(yī)療衛(wèi)生術語的注冊管理服務。系統(tǒng)針對各類實體形成各類注冊庫(如個人注冊庫、知識庫等);2)查新存儲服務。查新存儲服務包括一系列存儲庫，用于存儲查詢申請書、查新報告、文獻資料信息，形成查新數(shù)據(jù)中心。查新存儲服務除了提供查新的訪問服務，也負責按查詢申請書相關性采集文獻資料，使其成為查新報告的基礎資料;3)查新服務。查新服務用于處理系統(tǒng)內與數(shù)據(jù)定位和管理相關的復雜任務，是系統(tǒng)架構的核心組件。該服務負責實現(xiàn)各功能模塊的互聯(lián)互通，利用“重慶醫(yī)生”平臺內提供的組件和服務進行文獻資料的采集、知識庫的構建等。查新服務主要包括索引服務、業(yè)務服務、數(shù)據(jù)服務、事務處理等組件;4)信息交換層。信息交換層主要包括支持系統(tǒng)平臺上服務與其它應用系統(tǒng)平臺之間低級別通信的通信總線服務，還可提供可在整個平臺中重復使用的通用軟件功能的公共服務。

圖2 系統(tǒng)架構圖

2.3 查新流程設計

用戶在PC端或手機中填寫、提交、查詢查新申請書。系統(tǒng)根據(jù)查新申請書自動檢索系統(tǒng)中數(shù)據(jù)倉庫和CNKI、萬方、維普、PubMed、ScienceDirect等中外文數(shù)據(jù)庫；根據(jù)查新申請書自動更新檢索知識庫；每年定期更新系統(tǒng)中數(shù)據(jù)倉庫的文獻資料；根據(jù)查新要求自動分配查新任務。查新人員根據(jù)檢索結果形成查新報告，并由“重慶醫(yī)生”平臺專家?guī)熘械膶＜疫M行審核。具體流程圖見圖3。

圖3 系統(tǒng)流程圖

3 關鍵技術

3.1 利用網(wǎng)絡爬蟲技術實現(xiàn)文獻資料自動抓取

查新工作是以文獻檢索為基礎，面對海量的文獻資料，文獻檢索工作已經(jīng)成為了查新人員的一項繁重任務，以醫(yī)學類課題查新為例，每次至少檢索CBM、CNKI、萬方、維普等多個數(shù)據(jù)庫，檢索工作量較大，而且存在漏檢可能。同時，為了獲得所需的文獻資源，查新機構每年都需支付一定費用給電子學術資源服務提供商，而每項查新工作都可能重復下載相關文獻資料，因此存在重復購買相同學術資源造成的浪費。

智能科技查詢系統(tǒng)利用網(wǎng)絡爬蟲技術實現(xiàn)了文獻資源的搜索和下載，該技術主要采用WebCollector+selenium+phantomjs技術實現(xiàn)(圖4)。1)利用基于詞或詞組長度和頻數(shù)的關鍵詞提取算法[10]在查新申請表中自動提取基本關鍵詞，以此為基礎結合查新點確定最終關鍵詞，然后利用數(shù)據(jù)庫模擬登錄及網(wǎng)絡爬蟲技術抓取需要的文獻資料[11]，其中關鍵詞按“AND”“OR”“NOT”自動組合，并能根據(jù)各數(shù)據(jù)庫規(guī)則轉化檢索式形式；2)為了保證網(wǎng)絡中文獻資料抓取的效率、覆蓋率和準確率，智能科技查詢系統(tǒng)采用了向量空間模型的概念對網(wǎng)頁內容和主題的相關度進行評估[12-13]，根據(jù)相關程度進行抓取，且下載的文獻資料按檢索關鍵詞、檢索源地址、文獻資料信息、相關引用指標等保存到數(shù)據(jù)庫中，為后期查新工作提供數(shù)據(jù)依據(jù)；3)為了便于查新人員進行分析，智能科技查詢系統(tǒng)對檢索得到的文獻資料按內容相似度、影響因子等指標進行分類歸集[2,14]，做到對比文獻時有針對性、可比性和準確性，方便對“查新點”進行新穎性判斷，同時也為自動生存查新報告提供了內容基礎；4)通過建立自己的檢索知識庫(包含同義詞、縮寫詞、同義名、學名、通用名)實現(xiàn)智能檢索，如在“ATP6i—miRNA抑制劑對大鼠骨質疏松的防治”查新申請表中，用戶提供的“ATP6i”這一關鍵詞為“TCIRG1”別名，通常稱之為“空泡型質子泵”，系統(tǒng)在以“ATP6i”進行檢索時，自動檢出含“TCIRG1”和“空泡型質子泵”的所有文獻，有效避免漏檢。同時，檢索知識庫通過內置的詞典可以識別用戶自造詞(如自創(chuàng)的藥品名：開郁膠囊)，避免出現(xiàn)檢索結果為零或數(shù)量極少的現(xiàn)象。

圖4 爬取流程

這些功能不僅有效提高了工作效率，而且在一定程度上彌補了查新人員、查詢審核專家自身信息獲取的有限性，為他們提供了充分的研究背景信息，降低了對查詢申請書的原創(chuàng)性、新穎性、影響力等方面的評價難度。

3.2 利用智能算法優(yōu)化查新任務自動分配

由于每一年的科研、項目申報、結項等在時間上比較集中，這導致查新機構經(jīng)常會面臨查新申請“井噴”的問題，采用按照內置規(guī)則自動分配給查新任務的任務分配系統(tǒng)是解決這個問題的有效辦法。但是，在進行查新任務自動分配時，不同系統(tǒng)考慮的影響因素不同，在效率提升方面還存在著值得商榷的地方。

智能科技查詢系統(tǒng)采用了采用自適應分配模型[14-15]，按照客戶指標(項目類別、查新點數(shù)、查新時間要求、履行查新合同力度、學術水平)、查新員指標(查新熟練度、知識面廣度、單位時間可接受最大任務量、已分配任務量、客戶反饋情況)和查新審核專家指標(學術方向、學術水平、單位時間可接受最大任務量、已分配任務量)計算綜合權重后分配查新任務和查新審核任務。模型假設查新員共有n位，某一時間段內系統(tǒng)提交了一份查新申請，則系統(tǒng)會根據(jù)式(1)計算出對應的結合權重Wi，然后分配任務。

(1)

式(1)中，i∈{1，2，…，n}；m∈{1，2，3，4，5}；j∈{1，2，3，4，5};k∈{1，2，3，4}；A，B，C分別表示客戶指標、查新員指標和查新審核專家指標的不同層級的指標的權重。其中，所有指標權重值的設定規(guī)則為：有利于加快查新項目進入查新流程并提高查新工作效率的指標權重值大，相反則小。權重取值范圍為(0，1]，且屬于同一級別的指標權重之和為1。

該算法建立了客戶關系庫，通過網(wǎng)絡爬蟲抓取客戶以往的學術成果，評價客戶學術水平，作為分配具有相應學術水平的查新審核專家的參考依據(jù)，同時采用相同方法對審核專家學術方向和水平進行跟蹤維護(客戶查新申請中關鍵詞與審核專家學術方向的相關性越高，分配的可能性越大)，避免專家資源的不合理使用。利用智能算法分配查新任務不但加速了查新流程，提高了客戶滿意度，同時避免了因數(shù)量驟升而導致的查新報告質量下降的問題。

3.3 采用全文檢索工具避免重復申報

據(jù)統(tǒng)計,我國科研項目重復率高達40%[17]。為了降低查新申請書的重復率，智能科技查詢系統(tǒng)以數(shù)據(jù)庫中的累計的查新報告和文獻資料為基礎，利用Lucene檢索工具包對其進行全文檢索，若相關性得分高于30%則根據(jù)查重率進行排序展示[18-20]，為判斷查新申請書的原創(chuàng)性提供依據(jù)。同時，通過檢索知識庫引入查詢單詞的近義詞或別稱，縮小了檢索盲區(qū)。

采用全文檢索工具能夠較為準確地計算查新申請書的查重率，可以通過對比查看功能來實現(xiàn)對重復內容的詳細對比，有效地杜絕了項目的重復申報，滿足了項目流程管理的需求。

4 使用效果與改進策略

目前，智能科技查新系統(tǒng)已試運營，嘗試完成2019年科技查新項目700多項。針對用戶而言，很好地解決了原有手工填表時的表格填寫混亂的問題，解決了查新點提煉羅列過多、內容寬泛、不具體等問題。在查新過程中，系統(tǒng)自動圍繞“查新點”，選擇數(shù)據(jù)庫，擬定檢索詞，制定檢索式，檢索并篩選文獻，做文獻分析對比，解決了查新報告質量高低受到查新人員學科背景、知識結構、溝通能力和理解能力的影響問題[21-22]。截至目前，該系統(tǒng)數(shù)據(jù)倉庫爬取相關文獻10040篇，其中學位論文6600篇，期刊論文2420篇，其他1020；中文文獻8534篇，外文文獻1506篇。文獻庫的建立節(jié)約了檢索時間，提高了檢索效率和檢索質量，用戶從提交查新申請到收到查新報告，不超過2個工作日，查新部門工作在1周左右的時間完成超過去年同比41.6%的查新工作量。而且查新報告的質量也受到了用戶和審核專家的好評。

考慮到查新工作不僅僅是向用戶提交一份查新報告，更重要的是幫助用戶提煉查新點，提供相關研究熱點。因此，后期計劃將在在把握項目內容的基礎上，啟發(fā)或幫助用戶對查新點進行重新提煉、修正，使其既符合查新規(guī)范的要求，又能充分體現(xiàn)查新項目的新穎性。同時對查新不達標的用戶，把相關研究特點的文獻及建議推送給用戶，幫助用戶提升科研水平。

5 結束語

隨著信息技術的發(fā)展，查新系統(tǒng)會越來越智能化。實踐證明,智能科技查詢系統(tǒng)系統(tǒng)的應用使查新工作模式發(fā)生了根本性變化,從技術上實現(xiàn)了檢索工作的自動化，保證了檢索途徑、范圍及檢索表達式的全面性和準確性，同時實現(xiàn)了任務分配的智能化，避免了重復申報，保障了查新報告質量的提升。