本书聚焦于人文社科领域的数据集，深入分析了数据集检索的相关特征，探索了基于深度学习的数据集语义检索方法，以及融合多因素的检索结果综合排序模型。针对互联网上开放共享的人文社科数据集检索方法的研究，解决了人文社科数据集检索中语义匹配和综合排序等关键问题，有效促进了数据资源的利用和价值释放，推动了数据驱动的人文社科研究。通过本书的研究，学者们可加深对互联网上开放人文社科数据集特征的理解，为相关研究奠定认知基础。此外，本书还研究解决了人文社科数据集检索中的语义匹配和综合排序等关键问题，可为数据集检索相关研究提供参考。同时，本书还构建了人文社科数据集检索系统，并提出了一套实现方案，为应用系统中数据集检索功能的实现与优化提供了借鉴。

第一章 绪论
1.1 研究背景
1.2 研究问题与目标
1.3 研究设计
1.3.1 研究内容
1.3.2 研究路线
1.3.3 研究方法
1.4 研究创新点与意义
第二章 研究综述与理论基础
2.1 研究综述
2.1.1 文献筛选与组织
2.1.2 数据集采集
2.1.3 数据集组织
2.1.4 数据集检索
2.1.5 检索结果综合排序
2.2 理论基础与技术方法
2.2.1 相关性判断模型
2.2.2 信息检索模型
2.2.3 预训练语言模型
2.3 本章小结
第三章 面向数据集检索的人文社科数据集的特征研究
3.1 研究思路
3.2 数据采集与预处理
3.2.1 数据的采集
3.2.2 数据的预处理
3.2.3 数据的分布情况
3.3 人文社科数据集的元数据特征分析
3.3.1 领域元数据的使用情况
3.3.2 元数据字段的完整性
3.3.3 主题元数据字段的信息量
3.4 人文社科数据集的数据文件特征分析
3.4.1 数据文件的缺失情况
3.4.2 数据文件的类型分布
3.4.3 数据文件的开放程度
3.4.4 数据集与数据文件容量大小
3.5 人文社科数据集的关联文献特征分析
3.5.1 数据集关联文献识别
3.5.2 数据集关联文献分布情况
3.5.3 关联文献主题元数据的信息量
3.5.4 关联文献与数据集主题元数据的相似度
3.6 本章小结
第四章 基于深度学习的人文社科数据集语义检索方法研究
4.1 研究思路
4.2 测评数据集的构建
4.2.1 人文社科数据集的采集
4.2.2 用户需求与查询的构造
4.2.3 检索结果池与相关性标注
4.2.4 模型检索效果的评价指标
4.3 基于弱监督学习的数据集稠密检索方法
4.3.1 检索模型设计
4.3.2 实验设置
4.3.3 模型效果分析
4.4 基于元数据扩充的数据集稀疏检索方法
4.4.1 检索模型设计
4.4.2 实验设置
4.4.3 模型效果分析
4.5 融合稠密与稀疏模型的数据集检索方法
4.5.1 检索模型设计
4.5.2 实验设置
4.5.3 模型效果分析
4.6 本章小结
第五章 人文社科数据集检索结果综合排序模型的构建与实现
5.1 研究思路
5.2 相关性判断指标体系的构建
5.2.1 相关性判断理论模型
5.2.2 相关性判断指标体系
5.2.3 综合排序的相关性计算
5.3 相关性指标权重的确定
5.3.1 层次分析法的基本原理
5.3.2 建立递阶层次结构
5.3.3 获取专家判断矩阵
5.3.4 计算单层指标相对权重
5.3.5 计算线索指标综合权重
5.3.6 专家群组决策结果
5.4 相关性线索的测度方法
5.4.1 主题性的测度
5.4.2 可获得性的测度
5.4.3 质量的测度
5.4.4 权威性的测度
5.4.5 新颖性的测度
5.4.6 可理解性的测度
5.5 基于综合排序的人文社科数据集搜索系统构建
5.5.1 系统设计与实现
5.5.2 检索效果分析
5.6 本章小结
第六章 结论与展望
6.1 主要研究结论
6.2 未来研究展望
参考文献
附录 A 文献筛选的检索式
附录 B 采集数据仓储列表
附录 C 数据仓储元数据到都柏林核心元数据的映射规则
附录 D 人文社科数据集检索的相关性指标权重调查问卷
后记