基于BERT-BiLSTM-CRF模型的算法术语抽取与创新演化路径构建研究

【目的/意义】从海量论文元数据中抽取算法术语并构建它们之间的创新演化关系，有利于对算法的有效管 理和运用，以帮助科研工作者提升研究效率、采纳前沿成果。【方法/过程】首先，以GAN算法论文摘要为语料，通过 人工标注与规则抽取相结合的方式进行算法术语标注，并利用BERT-BiLSTM-CRF模型实现算法术语的自动抽 取。然后，将建立的模型应用于LDA算法论文的被引文献元数据中抽取算法术语，依据规则判断和引文关系，从被 引内容中抽取LDA算法的创新演化路径并构建。【结果/结论】以GAN论文为实例的算法术语实验中，精确率、召回 率与F1分数分别达到了0.81、0.63与0.71，并应用关系抽取方法成功构建了LDA算法的创新演化路径，该方法可以 有效推动算法进化网络构建和算法检索与追踪等方面的工作，丰富创新扩散理论的相关研究。【创新/局限】拓展了 命名实体识别技术的应用领域，为计算机算法管理提供了良好的思路。后续可优化创新演化路径的构建方法。