学术论文子句语义类型自动标注技术研究

doi:10.3772/j.issn.1000-0135.2021.06.007

情报学报

2021, Vol. 40

Issue (6): 621-629 DOI: 10.3772/j.issn.1000-0135.2021.06.007

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

学术论文子句语义类型自动标注技术研究

黄文彬¹, 王越千¹, 步一¹, 车尚锟²

1.北京大学信息管理系，北京 100871
2.清华大学经济管理学院，北京 100084

Automatic Labeling of Semantic Clauses in Research Articles

Huang Wenbin¹, Wang Yueqian¹, Bu Yi¹, Che Shangkun²

1.Department of Information Management, Peking University, Beijing 100871
2.School of Economics and Management, Tsinghua University, Beijing 100084

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (784 KB) HTML (105 KB)
输出: BibTeX | EndNote (RIS)

摘要学术论文语义结构的解析可以广泛应用于信息抽取、论文检索等多个问题。本文通过机器学习的方法，自动标注论文全文中每个子句的语义类型，以实现对论文语义结构的识别。本文使用了论文的宏观篇章结构，以及每个子句的语法、词汇信息作为特征，训练了支持向量机、条件随机场、随机森林、梯度提升分类器和随机梯度下降分类器5种机器学习模型，并将其中效果较好的支持向量机、条件随机场、梯度提升分类器3个模型进行集成，最终得到适用于学术论文全文本子句语义类型标注的集成模型。实验证明，无论在论文全文还是仅包含“结果”的章节中，与对照模型相比，集成模型的子句语义类型标注准确度和F-score均有提升。此外，本文通过主题聚类实验验证了集成模型在识别论文主题等文本挖掘领域能实现较好的效果。

	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
	黄文彬
	王越千
	步一
	车尚锟

关键词 ：学术论文, 语义标注, 文本分类, 机器学习, 聚类

收稿日期: 2020-05-13

基金资助:国家社会科学基金一般项目“基于全文本分析的数据科学范式及其演化研究”（20BTQ054）。

作者简介: 黄文彬，男，1977年生，博士，长聘副教授，博士生导师，主要研究领域为数据科学、知识发现；王越千，男，2000年生，本科，主要研究领域为机器学习；步一，男，1994年生，博士，助理教授，研究员，博士生导师，主要研究领域为信息计量学、学术文本挖掘、科学评价、知识发现，E-mail：buyi@pku.edu.cn；车尚锟，男，1997年生，博士研究生，主要研究领域为数据挖；

引用本文:

黄文彬, 王越千, 步一, 车尚锟. 学术论文子句语义类型自动标注技术研究[J]. 情报学报, 2021, 40(6): 621-629.
Huang Wenbin, Wang Yueqian, Bu Yi, Che Shangkun. Automatic Labeling of Semantic Clauses in Research Articles. 情报学报, 2021, 40(6): 621-629.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.06.007 或 https://qbxb.istic.ac.cn/CN/Y2021/V40/I6/621

1 Swales J M. Genre analysis: English in academic and research settings[M]. Cambridge: Cambridge University Press, 1990.
2 黄曾阳. HNC(概念层次网络)论: 计算机理解语言研究的新思路[M]. 北京: 清华大学出版社, 1998.
3 陆伟, 黄永, 程齐凯. 学术文本的结构功能识别——功能框架及基于章节标题的识别[J]. 情报学报, 2014, 33(9): 979-985.
4 黄永, 陆伟, 程齐凯. 学术文本的结构功能识别——基于章节内容的识别[J]. 情报学报, 2016, 35(3): 293-300.
5 黄永, 陆伟, 程齐凯, 等. 学术文本的结构功能识别——基于段落的识别[J]. 情报学报, 2016, 35(5): 530-538.
6 Lu W, Huang Y, Bu Y, et al. Functional structure identification of scientific documents in computer science[J]. Scientometrics, 2018, 115(1): 463-486.
7 de Waard A. A pragmatic structure for research articles[C]// Proceedings of the 2nd International Conference on Pragmatic Web. New York: ACM Press, 2007: 83-89.
8 Huang J, White R W. Parallel browsing behavior on the web[C]// Proceedings of the 21st ACM Conference on Hypertext and Hypermedia. New York: ACM Press, 2010: 13-18.
9 薛家秀, 欧石燕. 科学论文篇章结构建模与解析研究进展[J]. 图书与情报, 2019(2): 120-132.
10 Teufel S, Carletta J, Moens M. An annotation scheme for discourse-level argumentation in research articles[C]// Proceedings of the 9th Conference on European Chapter of the Association for Computational Linguistics. Stroudsburg: Association for Computational Linguistics, 1999: 110-117.
11 Mizuta Y, Collier N. An annotation scheme for a rhetorical analysis of biology articles[C]// Proceeding of the Fourth Internation Conference on Language Resources and Evaluation. European Language Resources Association, 2004: 1737-1740.
12 de Waard A, Kircz J. Modeling scientific research articles: shifting perspectives and persistent issues[C]// Proceedings of the 12th International Conference on Electronic Publishing, Toronto, 2008.
13 Guo Y F, Korhonen A, Liakata M, et al. A comparison and user-based evaluation of models of textual information structure in the context of cancer risk assessment[J]. BMC Bioinformatics, 2011, 12(1): 1-18.
14 Dasigi P, Burns G A P C, Hovy E, et al. Experiment segmentation in scientific discourse as clause-level structured prediction using recurrent neural networks[OL]. (2017-02-17). https://arxiv.org/pdf/1702.05398v1.pdf.
15 陈果, 许天祥. 基于主动学习的科技论文句子功能识别研究[J]. 数据分析与知识发现, 2019, 3(8): 53-61.
16 Kiela D, Guo Y, Stenius U, et al. Unsupervised discovery of information structure in biomedical documents[J]. Bioinformatics, 2015, 31(7): 1084-1092.
17 Grosz B J, Sidner C L. Attention, intentions, and the structure of discourse[J]. Computational Linguistics, 1986, 12(3): 175-204.
18 Etzioni O, Cafarella M, Downey D, et al. Methods for domain-independent information extraction from the web: an experimental comparison[C]// Proceedings of the 19th National Conference on Artifical Intelligence. Palo Alto: AAAI Press, 2004: 391-398.
19 Yang R Y, Allison D. Research articles in applied linguistics: structures from a functional perspective[J]. English for Specific Purposes, 2004, 23(3): 264-279.
20 de Waard A, Pander Maat H. Verb form indicates discourse segment type in biological research papers: experimental evidence[J]. Journal of English for Academic Purposes, 2012, 11(4): 357-366.
21 Burns G A P C, Dasigi P, de Waard A, et al. Automated detection of discourse segment and experimental types from the text of cancer pathway results sections[J]. Database, 2016, 2016: baw122.
22 Church K W, Hanks P. Word association norms, mutual information, and lexicography[J]. Computational Linguistics, 1990, 16(1): 22-29.