Research on Constructing an Academic Knowledge Graph of Multi-dimensional Knowledge Elements in Academic Full Texts
Shen Si1,2, Zhu Yufei1
1.School of Economics & Management, Nanjing University of Science & Technology, Nanjing 210094 2.China Center for International Economic Exchanges, Beijing 100050
摘要学术全文本中包含了多种知识元，对这些知识元进行挖掘与组织，可以有效提升学术资源的利用效率。通过学术知识图谱的构建，将论文中各类隐性“知识元”串联起来，不但可以节省研究者获取知识点的时间，还可以通过知识图谱内的网络社区进行知识点的扩充。通过系统而全面的文献调研，本文从宏观、中观和微观3个维度出发，确定了18种学术论文中的关键知识元，并将学术全文本中的描述信息作为知识元对象，设计出学术知识图谱概念框架。然后，选取Journal of the Association for Information Science and Technology（JASIST）期刊的515篇学术全文本，对每篇论文中的关键知识元进行人工标注与基于深度学习的知识元抽取研究。研究内容包括该类知识元在人工标注过程中是否会遇到问题、在自动抽取时是否会达到预期值，从而对参与图谱构建的知识元进行筛选。最终筛选出9种知识元，包括数学公式、软件工具、数据源、具体模型、表、图、研究展望、研究问题和研究结果，与题录数据中的知识元共同生成由头知识元、关系、尾知识元组成的三元组，存入图数据库。最后，对该图谱进行可视化的评估与知识元检索研究，证明了其可行性与可扩展性。研究结果表明，学术全文本中的部分知识元适合大规模的自动化标注，而且各类知识元可以通过互相链接形成密集的知识社区，并具备知识元搜索等功能。
沈思, 朱雨菲. 面向学术全文本多维知识元的学术图谱构建研究[J]. 情报学报, 2024, 43(8): 960-975.
Shen Si, Zhu Yufei. Research on Constructing an Academic Knowledge Graph of Multi-dimensional Knowledge Elements in Academic Full Texts. 情报学报, 2024, 43(8): 960-975.
1 刘洁. 学术知识图谱的构建及系统设计与实现[D]. 南京: 东南大学, 2019. 2 李思锐. 面向语义推理的多视角学术知识图谱构建方法研究与应用[D]. 长春: 吉林大学, 2020. 3 Wan H Y, Zhang Y T, Zhang J, et al. AMiner: search and mining of academic social networks[J]. Data Intelligence, 2019, 1(1): 58-76. 4 Wang K S, Shen Z H, Huang C Y, et al. Microsoft Academic Graph: when experts are not enough[J]. Quantitative Science Studies, 2020, 1(1): 396-413. 5 Wang R J, Yan Y C, Wang J L, et al. AceKG: a large-scale knowledge graph for academic data mining[C]// Proceedings of the 27th ACM International Conference on Information and Knowledge Management. New York: ACM Press, 2018: 1487-1490. 6 李肖俊, 邵必林. 多源异构数据情境中学术知识图谱模型构建研究[J]. 现代情报, 2020, 40(6): 88-97. 7 张云中, 祝蕊. 面向知识问答系统的图情学术领域知识图谱构建: 多源数据整合视角[J]. 情报科学, 2021, 39(5): 115-123. 8 李梦妮. 基于多源数据的高校学术知识图谱构建及其应用研究[D]. 杭州: 浙江工业大学, 2020. 9 索传军, 赖海媚. 学术论文问题知识元的类型与描述规则[J]. 中国图书馆学报, 2021, 47(2): 95-109. 10 贺德方, 曾建勋. 基于语义的馆藏资源深度聚合研究[J]. 中国图书馆学报, 2012, 38(4): 79-87. 11 戎军涛. 学术文献内容知识元语义描述模型研究[J]. 情报科学, 2019, 37(7): 30-35. 12 卢超, 章成志, 王玉琢, 等. 语义特征分析的深化——学术文献的全文计量分析研究综述[J]. 中国图书馆学报, 2021, 47(2): 110-131. 13 王晓光, 李梦琳, 宋宁远. 科学论文功能单元本体设计与标引应用实验[J]. 中国图书馆学报, 2018, 44(4): 73-88. 14 文庭孝, 侯经川, 龚蛟腾, 等. 中文文本知识元的构建及其现实意义[J]. 中国图书馆学报, 2007, 33(6): 91-95. 15 温有奎, 温浩, 徐端颐, 等. 基于知识元的文本知识标引[J]. 情报学报, 2006, 25(3): 282-288. 16 张静. 中小学多媒体知识元库理论研究[D]. 武汉: 华中师范大学, 2004. 17 Wang W, Zheng Q H, Liu J, et al. Exploiting various information for knowledge element relation recognition[C]// Proceedings of the 2009 IEEE International Conference on Granular Computing. Piscataway: IEEE, 2009: 565-571. 18 Hu R, Wang H J, Xu H, et al. Research on intelligent knowledge representation method and algorithm based on basic-element theory[J]. Neural Computing and Applications, 2020, 32(10): 5353-5365. 19 Zou J H, Liu Q T, Yang Z K. Knowledge elements mining subsystem of knowledge abstract and fusion system[C]// Proceedings of the 2008 International Symposium on Knowledge Acquisition and Modeling. Piscataway: IEEE, 2008: 776-778. 20 Jiang L, Yang Z K, Wang J X. Knowledge indexing of Chinese text based knowledge element[C]// Proceedings of the 2008 International Symposium on Knowledge Acquisition and Modeling. Piscataway: IEEE, 2008: 35-38. 21 Tao S J, Liu Q T, Huang T, et al. Research of knowledge element indexing for Educational Technology[C]// Proceedings of the 2010 3rd International Conference on Advanced Computer Theory and Engineering. Piscataway: IEEE, 2010: V4-123-V4-126. 22 Wen Y K, Wen H. Semantic text deep mining based on knowledge element[C]// Proceedings of the 2011 International Conference on Internet Computing and Information Services. Piscataway: IEEE, 2011: 90-93. 23 Wu D, Feng Y, Zhang C W. The semantic annotation method of knowledge element[C]// Proceedings of the 2011 International Conference on Uncertainty Reasoning and Knowledge Engineering. Piscataway: IEEE, 2011: 91-94. 24 王晓光, 周慧敏, 宋宁远. 科学论文论证本体设计与标注实验[J]. 情报学报, 2020, 39(9): 885-895. 25 Groza T, Handschuh S, M?ller K, et al. SALT - semantically annotated LaTeX for scientific publications[C]// Proceedings of the Semantic Web Conference: Research and Applications. Heidelberg: Springer, 2007: 518-532. 26 Clark T, De Waard A. Ontology of rhetorical blocks (ORB)[EB/OL]. (2011-06-05) [2023-04-06]. https://www.w3.org/2001/sw/hcls/notes/orb/. 27 Peroni S. The discourse element ontology[EB/OL]. [2023-04-06]. http://purl.org/spar/deo. 28 Constantin A, Peroni S, Pettifer S, et al. The document components ontology (DoCO)[J]. Semantic Web, 2016, 7(2): 167-181. 29 李姣, 朱小燕. 生物文献的本体建模及其在语义查询中的应用[C]// 第三届学生计算语言学研讨会论文集. 沈阳: 沈阳出版社, 2006: 122-126. 30 赵力奇. 创业领域文献知识图谱构建与应用研究[D]. 长春: 吉林大学, 2019. 31 周峰. 地学文献资源的语义关联数据构建研究[D]. 北京: 中国地质大学(北京), 2016. 32 曲佳彬, 欧石燕, 凌洪飞. 基于深度挖掘的学术论文关联数据构建与可视化分析[J]. 情报学报, 2019, 38(6): 595-611. 33 孙薇. 基于科技文献关联数据的科研关系发现研究[D]. 镇江: 江苏大学, 2017. 34 石泽顺, 肖明. 基于RelFinder的图情学科关联数据语义关系发现实践[J]. 图书情报工作, 2017, 61(17): 139-148. 35 Xia F, Chen Z, Wang W, et al. MVCWalker: random walk-based most valuable collaborators recommendation exploiting academic factors[J]. IEEE Transactions on Emerging Topics in Computing, 2014, 2(3): 364-375. 36 唐杰, 梁邦勇, 李涓子, 等. 语义Web中的本体自动映射[J]. 计算机学报, 2006, 29(11): 1956-1976. 37 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. 38 Devlin J, Chang M W, Lee K, et al. BERT: pre-training of deep bidirectional transformers for language understanding[C]// Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Stroudsburg: Association for Computational Linguistics, 2019: 4171-4186. 39 王余蓝. 图形数据库NEO4J与关系据库的比较研究[J]. 现代电子技术, 2012, 35(20): 77-79.
