基于学术论文全文的研究方法实体自动识别研究

doi:10.3772/j.issn.1000-0135.2020.06.003

情报学报

2020, Vol. 39

Issue (6): 589-600 DOI: 10.3772/j.issn.1000-0135.2020.06.003

专题约稿

本期目录 | 过刊浏览 | 高级检索

基于学术论文全文的研究方法实体自动识别研究

章成志, 张颖怡

南京理工大学经济管理学院信息管理系，南京 210094

Automatic Recognition of Research Methods from the Full-text of Academic Articles

Zhang Chengzhi, Zhang Yingyi

Department of Information Management, School of Economics and Management, Nanjing University of Science & Technology, Nanjing 210094

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (1551 KB) HTML (174 KB)
输出: BibTeX | EndNote (RIS)

摘要研究方法的规范程度标志着一门学科发展的成熟程度。在情报学学科中，关于研究方法的理论分析和规范性研究逐渐引起重视，而使用量化方法进行实证分析的研究相对较少。另外，当一个研究方法实体出现在学术文本中，则表示该研究方法实体被该学术论文使用或该学术论文引用该研究方法实体用于分析或比较。梳理学术论文使用的研究方法实体，可以帮助学者快速了解学术论文的主旨内容。总结学术论文引用的研究方法实体，有助于理清学科领域中研究方法的演变和发展模式。因此，本文将研究方法分为论文使用研究方法和论文引用研究方法。本文比较双向长短时记忆网络等8种神经网络研究方法实体自动抽取模型，从中选择最优的模型进行研究方法实体的识别。实验结果表明，基于字向量的、结合条件随机场的双向长短时记忆网络联合训练模型在研究方法识别任务中表现出最高的性能。以《情报学报》近10年的论文全文为依据，分析抽取出的研究方法实体的使用情况。统计分析结果发现，情报学学科中与实验法相关的研究方法使用频次和引用频次均最高。

	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
	张颖怡

关键词 ：研究方法识别, 命名实体识别, 深度学习, 序列标注

收稿日期: 2019-10-13

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，研究方向为信息组织、信息检索、文本挖掘及自然语言处理，E-mail：zhangcz@njust.edu.cn；张颖怡，女，1992 年生，博士研究生，研究方向为自然语言处理与文本挖掘。

引用本文:

章成志, 张颖怡. 基于学术论文全文的研究方法实体自动识别研究[J]. 情报学报, 2020, 39(6): 589-600.
Zhang Chengzhi, Zhang Yingyi. Automatic Recognition of Research Methods from the Full-text of Academic Articles. 情报学报, 2020, 39(6): 589-600.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2020.06.003 或 https://qbxb.istic.ac.cn/CN/Y2020/V39/I6/589

1 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.
2 Chu H T, Ke Q. Research methods: What’s in the name?[J]. Library & Information Science Research, 2017, 39(4): 284-294.
3 王芳, 陈锋, 祝娜, 等. 我国情报学理论的来源、应用及学科专属度研究[J]. 情报学报, 2016, 35(11): 1148-1164.
4 赵洪, 王芳. 理论术语抽取的深度学习模型及自训练算法研究[J]. 情报学报, 2018, 37(9): 923-938.
5 Gupta S, Manning C. Analyzing the dynamics of research by extracting key aspects of scientific papers[C]// Proceedings of the 5th International Joint Conference on Natural Language Processing. Asian Federation of Natural Language Processing, 2011: 1-9.
6 Singh M, Dan S, Agarwal S, et al. AppTechMiner: Mining applications and techniques from scientific articles[C]// Proceedings of the Joint Conference on Digital Libraries Joint Conference on Digital Libraries, Toronto, ON, Canada, 2017: 1-8.
7 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.
8 蒋婷. 学科领域本体学习及学术资源语义标注研究[D]. 南京: 南京大学, 2017.
9 王曰芬. 文献计量法与内容分析法的综合研究[D]. 南京: 南京理工大学, 2007.
10 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.
11 Howison J, Bullard J. Software in the scientific literature: Problems with seeing, finding, and using software mentioned in the biology literature[J]. Journal of the Association for Information Science and Technology, 2016, 67(9): 2137-2155.
12 Heffernan K, Teufel S. Identifying problems and solutions in scientific text[J]. Scientometrics, 2018, 116(2): 1367-1382.
13 Zadeh B Q, Handschuh S. Investigating context parameters in technology term recognition[C]// Proceedings of the COLING Workshop on Synchronic and Diachronic Approaches to Analyzing Technical Language. Stroudsburg: Association for Computational Linguistics, 2014: 1-10.
14 程齐凯, 李信. 面向语义出版的学术文本词汇语义功能自动识别[J]. 数字图书馆论坛, 2017(8): 24-31.
15 Luan Y, Ostendorf M, Hajishirzi H. Scientific information extraction with semi-supervised neural tagging[C]// Proceedings of the Conference on Empirical Methods in Natural Language Processing. Stroudsburg: Association for Computational Linguistics, 2017: 2641-2651.
16 Ammar W, Peters M, Bhagavatula C, et al. The AI2 system at SemEval-2017 Task 10 (ScienceIE): Semi-supervised end-to-end entity and relation extraction[C]// Proceedings of the 11th International Workshop on Semantic Evaluation. Stroudsburg: Association for Computational Linguistics, 2017: 592-596.
17 Song Y, Shi S M, Li J, et al. Directional skip-gram: Explicitly distinguishing left and right context for word embeddings[C]// Proceedings of the Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Stroudsburg: Association for Computational Linguistics, 2018, 2: 175-180.
18 Mikolov T, Sutskever I, Chen K, et al. Distributed representations of words and phrases and their compositionality[C]// Proceedings of the 26th International Conference on Neural Information Processing Systems. Red Hook: Curran Associates, 2013, 2: 3111-3119.
19 Jebbara S, Cimiano P. Improving opinion-target extraction with character-level word embeddings[C]// Proceedings of the First Workshop on Subword and Character Level Models in NLP. Stroudsburg: Association for Computational Linguistics, 2017: 159-167.
20 Graves A, Schmidhuber J. Framewise phoneme classification with bidirectional LSTM and other neural network architectures[J]. Neural Networks, 2005, 18(5-6): 602-610.
21 Lample G, Ballesteros M, Subramanian S, et al. Neural architectures for named entity recognition[C]// Proceedings of the Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Stroudsburg: Association for Computational Linguistics, 2016: 260-270.
22 Zhang Q, Wang Y, Gong Y, et al. Keyphrase extraction using deep recurrent neural networks on twitter[C]// Proceedings of the Conference on Empirical Methods in Natural Language Processing. Stroudsburg: Association for Computational Linguistics, 2016: 836-845.
23 Zhang H P, Yu H K, Xiong D Y, et al. HHMM-based Chinese lexical analyzer ICTCLAS[C]// Proceedings of the Second Workshop on Chinese Language Processing. Stroudsburg: Association for Computational Linguistics, 2003: 184-187.
24 Lafferty J D, McCallum A, Pereira F C N. Conditional random fields: Probabilistic models for segmenting and labeling sequence data[C]// Proceedings of the Eighteenth International Conference on Machine Learning.San Francisco: Morgan Kaufmann Publishers, 2001: 282-289.
25 严怡民. 情报学概论[M]. 武汉: 武汉大学出版社, 1983.
26 包昌火. 情报研究方法论[M]. 北京: 科学技术文献出版社, 1990.