中文学术论文全文语步识别研究

作     者：杜新玉 李宁 

作者机构：北京信息科技大学计算机学院 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2023年

核心收录：

学科分类：12[管理学] 1205[管理学-图书情报与档案管理] 08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：“国家自然科学基金类型”基金项目（项目编号：61672105）的研究成果之一 

主　　题：学术论文理解 语步识别 预训练模型 

摘      要：[目的] 针对学术论文语步识别相关研究存在的问题，即：只能处理少量的语步，语步识别粒度较粗，缺少公开的语步分类数据集，本文研究学术论文的全文语步识别，为机器自动理解论文内容提供基础。 [方法] 基于BERT模型，采用多阶段微调的方式构建学术论文语步分类数据集；并提出一种融入章节标题文本的语步识别方法，在细粒度层面实现中文学术论文全文语步的识别。 [结果] 实验结果表明，学术论文语步的22类别分类任务中，RoBERTa-wwm-ext模型总体准确率提升3.1个百分点，达到0.909，Micro-F1值提升2.2个百分点，达到0.837。 [局限] 本文所构建的学术论文语步分类数据集尚存在少量数据不平衡问题，所提方法受限于论文质量，这些问题得到改进后，模型对语步的识别能力应能得到进一步提高。 [结论] 本文的方法达到了较高的语步识别准确率，研究成果可用于学术论文的自动理解、论文质量评价及论文语义检索等领域，对科技文献的有效利用具有重要作用。