面向全文本的微观实体抽取及扩散研究

摘要：

随着学术资源共享程度提高,越来越多的学术论文全文被大规模地开放获取,为基于全文本的微观实体扩散研究提供了便利的数据基础和广阔的应用前景.然而,前人研究在分析粒度上多以篇章、作者或主题等作为知识扩散的主要载体,较少关注来自文献全文本内容的微观实体.事实上,作为驱动知识扩散的主要内因,微观实体才是通过引用关系传播的实质内容.文章以分子生物学领域为例,选取该领域1,000篇XML全文本数据,人工标注了理论概念类、工具技术类、数据信息类和特定领域类微观实体,并借助BiLSTM-CRF构建了微观实体抽取模型,精确度、召回率和F1值分别为0.7618、0.7099和0.7349.在此基础上,构建微观实体扩散网络,通过可视化的方式展示了微观实体在宏观和微观层面的扩散模式.宏观层面上,特定领域类微观实体占比最高,说明学者在引用文献时更多倾向于引用所研究领域内的微观实体.微观层面上,能够清晰直观地揭示特定微观实体在文献之间的流动路径,从而方便把握微观实体兴起和发展的方向.

关键词：全文本、微观实体、引用语境、扩散网络、BiLSTM-CRF

所属期刊栏目：41

资助基金：本文系国家自然科学基金项目"基于全文本的微观实体扩散机制研究";国家自然科学基金项目"科技关联视角下新兴技术弱信号扫描预判方法研究"

在线出版日期：2021-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：42-49