1. 研究目的与意义（文献综述）

如今，越来越多的人投身于生物医学领域研究，对生物文献的获取需求也越来越大。pubmed 作为全世界最综合全面的生物医学数据库接口，文献数量也在急速增加[1-3]。那对这些研究者而言，如何快速、准确、全面的从文献规模不断扩大的生物医学数据库中，搜索到所需的生物文献（这里的文献特指已经标引的文本摘要），就是我们需要研究的一个问题。

目前对生物文献搜索而言，最广泛使用的方法有两种，其一是通过关键词搜索（也称文本词搜索）。这种关键词是一种文本词，可能出现在标题，摘要或者正文[4-6]等全文的任意位置。关键词搜索的优点在于用户搜索词的自由度比较高，非常灵活，只要是认为能够表达文章的，都可以使用，但是正因为这样的文本词自由度太大，导致不同作者在写文章时表达同一个概念也会使用不同的书写形式[7-8]。用户搜索时表达形式可能也不一样，比如同样指的是高血脂，作者使用 Hypercholesterolemia， 用户使用 Hyperlipidemia 搜索， 由于关键字是来源于文献自身题目，摘要，关键字，正文，进行的是词型匹配，很难根据字面意思和内在逻辑，对意思一样，字眼不一样的关键词进行归类和统一，这样一来，使用 Hypercholesterolemia 的文献就会搜索不到， 此时需要将相同概念的各式同义词， 狭义词收集完善， 查找文献才不会遗漏。除此之外，关键词搜索还有一个大的弊端在于有时我们输入的关键词可能命中文章某处，但是完全非文章的重点，需要花大量时间过滤出现这个词但是实际上并不相关的文章。对于关键词搜索的这样两个弊端，对于生物文献而言，有一种基于生物医学主题词表（ MedicalSubject Headings，MeSH）的搜索方式，MeSH 是美国国立医学图书馆（The United StatesNationalLibrary of Medicine，NLM）编制的权威性主题词表，它是一部规范化的可扩充性的动态性叙词表美国国立医学图书馆以它作为生物医学标引的依据[9-10]。MeSH 在文献检索中的重要作用主要表现在两个方面：准确性（准确揭示文献内容的主题）和专指性。标引（对文献进行主题分析，从自然语言转换成规范化检索语言的过程）人员将信息输入检索系统以及检索者(用户)利用系统内信息情报这两个过程中，以主题词作为标准用语，使标引和检索之间用语一致，达到最佳检索效果，例如刚提到的高血脂的多种表达形式，如果用生物医学主题词（ 以下简称 MeSH term）“ Hyperlipidemia”搜索，则我们可以搜索到出现所有同义的概念的文章，比如“ Hyperlipidemia”，“ Hypercholesterolemia”，“ Hyperlipoproteinemia”，“ Hypertriglyceridemia”。但是通过 MeSH 检索有一个弊端在于 MeSH terms 是一些受限的词汇，用户是不太清楚这些较规范的表达主题是什么，对于一些有经验的用户而言，可以直接使用 pubmed 上的 mesh database 进行搜索，直接通过 pubmed 查询构造器，普通用户并不清楚怎样通过 MeSH terms 进行搜索，比如说上述提到的高血脂，用户不知道那个代表高血脂的主题是怎样的表达形式，也就无法方便的使用主题词进行搜索。

如果说可以结合关键词搜索和 MeSH 搜索的优势，让用户可以通过自由的，灵活的查询词得到语义相关的主题词，再通过主题词进行搜索，这样就可以更方便的使用主题词进行搜索，让主题词搜索的使用率更加广泛。

2. 研究的基本内容与方案

一、基本内容

1. 了解文献检索以及推荐的算法；

2. 学习算法背后的思想及数学原理；

3. 研究计划与安排

第1~3周 查阅文献；分析题目研究现状，学习基本理论；

第4周 阅读文献、撰写开题报告，英文文献翻译；

第5~7周 学习了解文献特征提取算法，确定方案并完成特征的提取；

4. 参考文献（12篇以上）

[1] 朱凡微,吴明晖,金苍宏,等.基于关键字的数据库搜索研究综述[j].计算机应用研究,2008.

[2] 邓健爽,郑启伦,彭宏等.基于搜索引擎的关键词自动聚类法[j].计算机科学,2007.

[3] amaldoss w, desai p s,shin w. keyword search advertising and first-page bid estimates:a strategicanalysis[j]. management science,2015.