基于全文内容的学术论文研究方法自动分类研究

doi:10.3772/j.issn.1000-0135.2020.08.007

情报学报

2020, Vol. 39

Issue (8): 852-862 DOI: 10.3772/j.issn.1000-0135.2020.08.007

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

基于全文内容的学术论文研究方法自动分类研究

章成志¹, 李卓¹, 储荷婷²

1.南京理工大学经济管理学院信息管理系，南京 210094
2.Palmer School of Library and Information Science, Long Island University, New York 11548

Using Full Content to Automatically Classify the Research Methods of Academic Articles

Zhang Chengzhi¹, Li Zhuo¹, Chu Heting²

1.Department of Information Management, School of Economics and Management, Nanjing University of Science & Technology, Nanjing 210094
2.Palmer School of Library and Information Science, Long Island University, New York 11548

摘要
图/表
参考文献
相关文章 (7)

全文: PDF (1551 KB) HTML (140 KB)
输出: BibTeX | EndNote (RIS)

摘要对学术论文所采用的研究方法进行自动分类，有助于研究方法使用行为的分析与研究方法的评估，进而为科研人员推荐或选择合适的研究方法提供依据。相比于摘要信息，全文内容包含更多关于研究方法的上下文信息，因此探索基于全文内容的学术论文研究方法自动分类具有重要的意义。本研究以图书情报领域的820篇学术论文全文为研究对象，邀请专家对其研究方法进行标注得到研究方法训练语料；采用多标签分类任务中问题转换法和算法自适应法，将朴素贝叶斯与支持向量机作为问题转换法的底层分类器，构建6种不同的分类模型，同时选用算法自适应法中的ML-KNN模型，分别对论文中使用的研究方法进行自动分类。实验结果表明，相较于学术论文的摘要信息，全文内容在研究方法分类的性能上有较大的提升；朴素贝叶斯算法在问题转换法的分类器链策略中表现最佳，F₁值达到0.705；另外结果也表明不同的学术论文研究方法的特征表征能力不同，训练集的规模较少会导致分类的泛化效果差。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	章成志
	李卓
	储荷婷

关键词 ：研究方法分类, 文本分类, 全文内容, 多标签分类

收稿日期: 2019-04-15

基金资助:国家社会科学基金重大项目“情报学学科建设与情报工作未来发展路径研究”（17ZDA291）。

作者简介: 章成志，男，1977年生，博士，教授，博士生导师，主要研究领域为信息组织、信息检索、数据挖掘及自然语言处理，E-mail:zhangcz@njust.edu.cn。李卓，男，1997年生，本科生，研究方向为文本挖掘。储荷婷，女，1957年生，教授，博士生导师，主要研究领域为信息检索、研究方法与科学交流等。

引用本文:

章成志, 李卓, 储荷婷. 基于全文内容的学术论文研究方法自动分类研究[J]. 情报学报, 2020, 39(8): 852-862.
Zhang Chengzhi, Li Zhuo, Chu Heting. Using Full Content to Automatically Classify the Research Methods of Academic Articles. 情报学报, 2020, 39(8): 852-862.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2020.08.007 或 https://qbxb.istic.ac.cn/CN/Y2020/V39/I8/852

1 魏瑞斌. 基于内容分析的国内图书情报学研究方法创新研究——以共词分析方法为例[J]. 图书情报工作, 2016, 60(24): 107-114.
2 储荷婷. 图书馆情报学界的研究方法:实践与发展[J]. 国家图书馆学刊, 2014, 23(3): 3-14.
3 Chu H T, Ke Q. Research methods: What??s in the name?[J]. Library & Information Science Research, 2017, 39(4): 284-294.
4 Eckle-Kohler J, Nghiem T D, Gurevych I. Automatically assigning research methods to journal articles in the domain of social sciences[J]. Proceedings of the American Society for Information Science and Technology, 2013, 50(1): 1-8.
5 顾立平. 科研模式变革中的数据管理服务:实现开放获取、开放数据、开放科学的途径[J]. 中国图书馆学报, 2018, 44(6): 43-58.
6 Peritz B C. Are methodological papers more cited than theoretical or empirical ones? The case of sociology[J]. Scientometrics, 1983, 5(4): 211-218.
7 Palvia P, Mao E, Salam A F, et al. Management information systems research: What’s there in a methodology?[J]. Communications of the Association for Information Systems, 2003, 11: 289-309.
8 杨溢, 李伟超. 1990—2001年我国图书馆学情报学方法论研究统计分析[J]. 图书馆, 2003(5): 31-34.
9 王芳, 王向女. 我国情报学研究方法的计量分析: 以1999~2008年《情报学报》为例[J]. 情报学报, 2010, 29(4): 652-662.
10 Togia A, Malliari A. Research methods in library and information science[EB/OL]. [2019-04-01]. https://www.intechopen.com/books/qualitative-versus-quantitative-research/research-methods-in-library-and-information-science.
11 Houngbo H, Mercer R E. Method mention extraction from scientific research papers[C]// Proceedings of 26th International Conference on Computational Linguistics. The COLING 2012 Organizing Committee, 2012: 1211-1222.
12 Kova?evi? A, Konjovi? Z, Milosavljevi? B, et al. Mining methodologies from NLP publications: A case study in automatic terminology recognition[J]. Computer Speech & Language, 2012, 26(2): 105-126.
13 化柏林. 针对中文学术文献的情报方法术语抽取[J]. 现代图书情报技术, 2013(6): 68-75.
14 化柏林. 学术论文中方法知识元的类型与描述规则研究[J]. 中国图书馆学报, 2016, 42(1): 30-40.
15 徐军, 丁宇新, 王晓龙. 使用机器学习方法进行新闻的情感自动分类[J]. 中文信息学报, 2007, 21(6): 95-100.
16 王昊, 叶鹏, 邓三鸿. 机器学习在中文期刊论文自动分类研究中的应用[J]. 现代图书情报技术, 2014, 30(3): 80-87.
17 Heffernan K, Teufel S. Identifying problems and solutions in scientific text[J]. Scientometrics, 2018, 116(2): 1367-1382.
18 刘浏, 王东波. 基于论文自动分类的社科类学科跨学科性研究[J]. 数据分析与知识发现, 2018, 2(3): 30-38.
19 Zhang X, Zhao J, Lecun Y. Character-level convolutional networks for text classification[C]// Proceedings of the 29th Annual Conference on Neural Information Processing Systems, Montreal, Canada, 2015: 649-657.
20 Lai S W, Xu L H, Liu K, et al. Recurrent convolutional neural networks for text classification[C]// Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence. Palo Alto: AAAI Press, 2015: 2267-2273.
21 代六玲, 黄河燕, 陈肇雄. 中文文本分类中特征抽取方法的比较研究[J]. 中文信息学报, 2004, 18(1): 26-32.
22 Yang Y, Pedersen J. A comparative study on feature selection in text categorization[C]// Proceedings of the 14th International Conference on Machine Learning, Nashville, USA, 1997: 412-420.
23 Zhang M L, Zhou Z H. A review on multi-label learning algorithms[J]. IEEE Transactions on Knowledge and Data Engineering, 2014, 26(8): 1819-1837.
24 Boutell M R, Luo J B, Shen X P, et al. Learning multi-label scene classification[J]. Pattern Recognition, 2004, 37(9): 1757-1771.
25 Read J, Pfahringer B, Holmes G, et al. Classifier chains for multi-label classification[C]// Proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases. Heidelberg: Springer, 2009: 254-269.
26 Tsoumakas G, Vlahavas I. Random k-labelsets: An ensemble method for multilabel classification[C]// Proceedings of the 18th European Conference on Machine Learning. Heidelberg: Springer, 2007: 406-417.
27 李思男, 李宁, 李战怀. 多标签数据挖掘技术:研究综述[J]. 计算机科学, 2013, 40(4): 14-21.
28 Zhang M L, Zhou Z H. ML-KNN: A lazy learning approach to multi-label learning[J]. Pattern Recognition, 2007, 40(7): 2038-2048.
29 Lewis D D. Naive Bayes at forty: The independence assumption in information retrieval[C]// Proceedings of the 10th European Conference on Machine Learning. Heidelberg: Springer, 1998: 4-15.
30 Tong S, Koller D. Support vector machine active learning with applications to text classification[J]. Journal of Machine Learning Research, 2002, 2(1): 999-1006.