基于深度学习的科技文献摘要结构功能识别研究

作     者：毛进 陈子洋 MAO Jin;CHEN Ziyang

作者机构：武汉大学信息资源研究中心武汉430072 武汉大学信息管理学院武汉430072 

出 版 物：《农业图书情报学报》 (Journal of Library and Information Science in Agriculture)

年 卷 期：2022年第34卷第3期

页      面：15-27页

学科分类：12[管理学] 1205[管理学-图书情报与档案管理] 

基　　金：国家自然科学基金青年项目“基于学术异质网络表示学习的知识群落发现”(71804135) 国家自然科学基金面上项目“基于‘问题-方法’关联识别的科学知识创新探测与协同演化分析”(72174154)。 

主　　题：深度学习 BERT 文献结构 功能识别 文本分类 

摘      要：[目的/意义]科技文献摘要往往由承担特定功能的部分构成,利用深度学习对科技文献摘要结构功能进行识别有助于实现科技文献文本深度分析。[方法/过程]本文将科技文献摘要特征功能识别任务转换为文本分类问题,将结构功能分为“引言-方法-结果-结论(Introduction-Methods-Results-Conclusions,IMRC)4类,基于摘要句内容及其上下文特征,利用BERT、BERT-BiLSTM、BERT-TextCNN、ERNIE等模型构建分类器,实现摘要结构功能自动识别。[结果/结论]在eHealth领域3130篇文献数据集上开展实验,结果表明:ERNIE模型的各项指标均高于其他模型,BERT-TextCNN模型在短句子上效果更好,而BERT-BiLSTM模型对于长句子的识别效果更好。本研究有助于实现科技文献摘要文本的细粒度功能理解,对文献结构的解析能够服务于科技文献深度挖掘和基于文献的知识发现。