多层次融合的学术文本结构功能识别研究

[目的/意义]学术文本结构功能是对学术文献的结构和章节功能的概括，针对当前研究较少从学术文本多层次结构出发进行融合和传统方法依赖人工经验构建规则或特征的问题，本文在对学术文本层次结构进行解析的基础上，构建了多层次融合的学术文本结构功能识别模型。[方法/过程]以ScienceDirect数据集为例进行实验，该模型首先通过深度学习方法对不同层次学术文本进行结构功能识别，接着采用投票方法对不同层次和不同模型的识别结果进行融合。[结果/结论]研究结果表明各层次集成后的整体效果较单一模型均有不同程度提升，综合结果的整体准确率、召回率和F1值分别达到86%、84%和84%，并且深度学习算法在学术文本分类任务中的性能较传统机器学习算法SVM更优，最后对学术文本结构功能错分情况进行了分析，指出本研究潜在的应用领域和下一步的研究方向。     

基于最大熵模型的学术缩写自动识别

为实现海量英文学术文本中缩写词及对应缩写定义的识别,本文提出了一种自动缩写识别算法 MELearn-AI。该算法在人工标注数据集的基础上,从序列标注的角度,通过最大熵模型实现了计算机领域 英文学术文本中的自动缩写识别。MELearn-AI 在本文构建的评测数据集“Paren-sen”上得到了95.8% 的 查准率和86.3% 的查全率,相对于其他两组对照实验的效果有较为明显的提升。本文提出的自动缩写识别 方法能够在计算机领域的学术文本上取得令人满意的效果,有助于更好地理解并利用该领域术语。     

一种基于共词网络社区的科研主题演化分析框架

共词网络在一定程度上可以表示特定学科领域的知识结构。为分析主题演化过程,将网络社区的演化分为6种类型,分别为产生、消亡、分裂、合并、扩张与收缩。在此基础上,利用Z-value算法和社区相似度算法,构建一个科研主题演化分析模型。与传统的基于词频的分析思路相比,所提出的基于共词网络社区演化分析的框架不强调词频的变化,而是强调词间关系的变化,试图通过中观层面的网络社区的演化分析揭示科研主题发展规律。     

一种基于加权网络和句子窗口方案的信息检索模型

经典的信息检索模型在文档表示上多采用词袋模型,与此不同,本文提出了一种基于加权网络的信息检索模型.在这一模型中,文档被表示为一个加权共词网络,词汇在文档中的重要性通过词项节点在网络中的重要性加以衡量.基于固定窗口平移和句子窗口方案,本文提出了文本游走模型Textrank的四个检索模型变种,分别是Win_Weighted_Textrank、Sent_Weighted_Textrank、Win_Weighted_Posrank和Sent_Weighted_Posrank.在Reuter RCV1上的实验证明,与无权网络模型Textrank、Posrank相比,本文提出的模型能显著地提升检索效果.     

档案学合著网络研究

笔者收集了包含CNKI定义的13种档案学核心期刊在内的17种档案学期刊从1998年到2007年间的发文数据.并在此基础上对档案学领域的合著网络进行研究:测度档案学合著网络的一般指数.总结档案学科研团体的分布情况.分析档案学学者的合著规律.并对档案学学者分层化的现象进行了简单探讨.