检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

科技论文引用内容分析研究进展

数据分析与知识发现 2022年第4期6卷 1-15页

作者：王露乐小虬中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院图书情报与档案管理系北京100190

【目的】梳理近年来引用内容分析研究进展,理清研究方向及技术发展趋势。【文献范围】利用知网、Scopus、语义学者等搜索平台,以“引文全文本”、“引文上下文”、“引文内容”、“引用内容”、“citation content”等关键词进行检索,... 详细信息

【目的】梳理近年来引用内容分析研究进展,理清研究方向及技术发展趋势。【文献范围】利用知网、Scopus、语义学者等搜索平台,以“引文全文本”、“引文上下文”、“引文内容”、“引用内容”、“citation content”等关键词进行检索,并进行人工筛选。【方法】从相关概念辨析、主要研究方向、关键技术、分析工具和平台4个方面对引用内容分析相关研究进行归纳和对比分析,提出现存问题和未来研究方向。【结果】引用内容分析在引用动机、引用评价、知识流向、论文推荐等研究方向出现一些新的研究思路和方法;在引用内容分析关键共性技术方面,引用句抽取、引用位置识别、引用情感分析、引用知识点识别等方面均取得进展。【局限】主要从宏观层面归纳总结引用内容分析相关研究,未进行各个方面内容的深入阐述。【结论】引用内容分析相对于引文分析具有独特的优势,随着自然语言处理技术的快速迭代,其发展前景广阔。

关键词：引用内容引用内容分析机器学习深度学习

基于句法依赖增强的主题-问题实例识别方法研究

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2022年第12期6卷 13-22页

作者：王露乐小虬中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院图书情报与档案管理系北京100190

【目的】从科技文献中发现给定主题在已有研究中存在的缺陷、不足、难点等方面的问题实例。【方法】将主题-问题实例对的抽取任务转化为候选短语分类问题。在问题句的基础上抽取候选短语、构建句法依赖树,采用基于BiGCN和Transformer交... 详细信息

【目的】从科技文献中发现给定主题在已有研究中存在的缺陷、不足、难点等方面的问题实例。【方法】将主题-问题实例对的抽取任务转化为候选短语分类问题。在问题句的基础上抽取候选短语、构建句法依赖树,采用基于BiGCN和Transformer交互模块的句法依赖增强分类模型判断候选短语是否为给定主题对应的问题实例。【结果】实现了面向主题的问题实例识别,其中句法增强的分类模型在候选短语分类任务中F1值为83.7%,相比基线模型提高了2.8个百分点。【局限】没有考虑句子间的指代关系,存在问题实例遗漏的可能,从而导致召回率降低。【结论】句法依赖增强模型能够较好地学习句子中主题与问题实例间的对应关系,提高给定主题的问题实例识别准确率。

关键词：问题识别句法依赖 Transformer 图神经网络

在线全文

学校读者我要写书评

暂无评论

文本神经语义解析方法研究进展

数据分析与知识发现 2023年第12期7卷 1-21页

作者：沈凌云乐小虬中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院信息资源管理系北京100190

[目的]对近10年利用神经网络研究文本语义解析的方法进行归纳和评述。[文献范围]以谷歌学术和中国知网为检索平台,分别以“Neural Semantic Parsing”和“神经语义解析”为关键词,筛选2010年-2022年的相关文献及其重要引文进行分析。[方... 详细信息

[目的]对近10年利用神经网络研究文本语义解析的方法进行归纳和评述。[文献范围]以谷歌学术和中国知网为检索平台,分别以“Neural Semantic Parsing”和“神经语义解析”为关键词,筛选2010年-2022年的相关文献及其重要引文进行分析。[方法]对神经语义解析方法按照技术路径进行分类,剖析各技术路径的基本思路,对比分析各技术方法在数据、性能、应用目标等方面的异同点,归纳文本神经语义解析技术存在的问题及发展趋势。[结果]将现有神经语义解析方法归纳为序列到序列、借助中间形式以及语义单元分解与组合三种类型,后两种方法是对第一种方法的改进。中间表示形式,如语义草图、规范话语和少样本神经语义解析,是当前研究的主要关注点。[局限]主要从方法论上对现有研究思路进行归纳分析,对于神经语义解析模型内部实现机理未做细致阐述。[结论]目前神经语义解析方法在文本语义解析中能够获得最佳性能,面向具体应用设计针对性的神经网络模型是当前主流做法,但语义解析效果与实际应用仍然有一定差距。

关键词：语义解析神经网络模型语义表示预训练

在线全文

学校读者我要写书评

暂无评论

科技查新查新点语义匹配方法研究

数据分析与知识发现 2019年第6期3卷 50-56页

作者：姚俊良乐小虬中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院图书情报与档案管理系北京100190

【目的】从科技查新候选检索结果中自动筛选与查新点语义相近的文献(期刊论文、专利)。【方法】设计基于Bi-GRU-ATT的深度多任务层次分类模型,利用国际专利分类表(IPC)类别及专利数据,训练多个不同层次分类模型,利用少量论文数据进行Fin... 详细信息

【目的】从科技查新候选检索结果中自动筛选与查新点语义相近的文献(期刊论文、专利)。【方法】设计基于Bi-GRU-ATT的深度多任务层次分类模型,利用国际专利分类表(IPC)类别及专利数据,训练多个不同层次分类模型,利用少量论文数据进行Fine-tuning,使之适用于论文和专利两种类别数据,依照先父后子的次序识别查新点及候选记录的语义类别,从而判定二者间的语义匹配度。【结果】在E21B专利分类下的两级分类模型中,准确率分别达到82.37%和73.55%,优于其他基准模型;在使用真实查新点实验数据的语义匹配实验中,语义匹配的精度达到88.13%,比基准检索模型(TF-IDF)提高15.16%。【局限】仅在少量类别中开展训练,还没有扩展到IPC所有分类中。【结论】初步实验表明该方法能够在一定程度上提升查新点语义匹配效果。

关键词：科技查新语义匹配多任务学习 Bi-GRU-ATT

在线全文

学校读者我要写书评

暂无评论

篇章级并列关系文本块识别方法研究

数据分析与知识发现 2019年第5期3卷 51-56页

作者：裴晶晶乐小虬中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院图书情报与档案管理系北京100190

【目的】识别出科技论文中分布在不同段落、在语义及版面视觉上具有并列关系的文本块,捕捉并列关系文本特征,为并列关系知识对象识别提供预训练模型。【方法】以段落为处理单元,在字符向量和词向量的基础上附加版面视觉特征,对不同层级... 详细信息

【目的】识别出科技论文中分布在不同段落、在语义及版面视觉上具有并列关系的文本块,捕捉并列关系文本特征,为并列关系知识对象识别提供预训练模型。【方法】以段落为处理单元,在字符向量和词向量的基础上附加版面视觉特征,对不同层级具有并列关系的文本进行多维特征表征,利用卷积神经网络(Convolutional Neural Networks, CNN)模型对标注数据进行文本分类训练,得到并列关系文本块识别模型。【结果】在人工标注的科技论文数据集上展开实验,对并列关系文本块分类准确率达96%,比基准模型高出约3%,召回率高出约2%。【局限】仅适用于HTML网页文本数据,对于其他格式的文本数据还有待进一步研究和实验。【结论】以段落为处理单元,综合多种特征后利用卷积神经网络模型能够高效识别篇章级并列关系文本块,可以作为并列关系知识对象识别预训练模型。

关键词：并列关系文本表示文本块深度学习

在线全文

学校读者我要写书评

暂无评论

非受限文本中深层空间语义的识别方法

计算机工程 2006年第16期32卷 36-38页

作者：乐小虬杨崇俊中国科学院遥感应用研究所遥感信息科学国家重点实验室北京100101

利用地理空间描述模型中的相关概念扩展自然语言中空间语义角色,通过空间语义角色标注、短语识别以及句法模式分析达到识别非受限文本中深层空间语义的目的。实验表明,该方法具有较好的准确率、召回率与通常的信息提取性能相当。

关键词：空间语义角色语义分析自然语言理解(NLU) 地理信息系统(GIS)

同方期刊数据库

类目式文档语义特征AND-OR逻辑表达式生成方法

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2021年第5期5卷 95-103页

作者：徐峥乐小虬中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院图书情报与档案管理系北京100190

【目的】将类目式文档中的类目单元表示成语义特征AND-OR逻辑表达式,使类目文档实现语义化表示,为类目语义匹配、语义检索等应用提供语义化数据。【方法】以类目单元描述/注释文本AND-OR逻辑语义标注数据为基础,利用UniLM模型,通过学习... 详细信息

【目的】将类目式文档中的类目单元表示成语义特征AND-OR逻辑表达式,使类目文档实现语义化表示,为类目语义匹配、语义检索等应用提供语义化数据。【方法】以类目单元描述/注释文本AND-OR逻辑语义标注数据为基础,利用UniLM模型,通过学习词性特征、显式AND-OR逻辑文本描述特征以及改进Beam Search搜索排序策略等方法构建Seq2Seq生成模型,解决类目单元内语义特征AND-OR逻辑表达式的生成问题。通过融合上下文层次语义,解决类目单元外部语义的扩展问题。【结果】在人工标注的国际专利分类表数据上展开实验,结果评价得分为87.2分,比基准模型(BiLSTM-Attention)高11.5分。【局限】适用于国际专利分类表中的类目数据特点,其泛化效果有待在其他领域数据中进一步验证。【结论】所提类目单元语义表示方法在国际专利分类表中有较好表现,能够有效生成融合类目单元内部语义特征及其上下文层次语义特征的AND-OR逻辑表达式。

关键词：语义表示语义解析 AND-OR逻辑类目式文档

在线全文

学校读者我要写书评

暂无评论

一对多实体关系少样本持续学习方法研究

数据分析与知识发现 2021年第8期5卷 45-53页

作者：江雅仁乐小虬中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院图书情报与档案管理系北京100190

【目的】在少量样本情况下识别句中一对多实体关系(如包含关系、并列关系等)实例,在新增类别后保持识别效果,实现持续学习。【方法】以LaserTagger模型为基础,利用文本生成的方法识别句子中包含、并列关系实体,并通过位置特征编码、加权... 详细信息

【目的】在少量样本情况下识别句中一对多实体关系(如包含关系、并列关系等)实例,在新增类别后保持识别效果,实现持续学习。【方法】以LaserTagger模型为基础,利用文本生成的方法识别句子中包含、并列关系实体,并通过位置特征编码、加权Loss计算的方式增强模型在少样本情况下的特征学习能力,通过模型的压缩、扩展实现多个类别的持续学习。【结果】在少量训练样本的情况下,本文方法在5个类别上的SARI值均比基线模型提高1%以上;多类别依次学习的情况下,通过模型的压缩、扩展能够较好地保留模型已学习到的知识,SARI值最高能提升16.92%。【局限】仅选取包含关系、并列关系中的5种句式类别进行实验,数据类别较少,句式结构比较简单,暂未考虑模型在更多类别、更复杂句式情况下的性能。【结论】所提方法在一定程度上能满足少样本、多类别依次学习的应用场景,具有一定优越性。

关键词：实体关系文本生成少样本持续学习

在线全文

学校读者我要写书评

暂无评论

对比关系句子生成方法研究

数据分析与知识发现 2020年第6期4卷 43-50页

作者：焦启航乐小虬中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院图书情报与档案管理系北京100190

【目的】生成两段文本之间具有对比关系的句子,为自动生成对比关系段落文本提供基础模型。【方法】将对比关系句子生成任务看作是由两段文本组成的文本序列到两者之间对比关系文本序列的自动生成,设计一个基于Seq2Seq的深度学习模型,在... 详细信息

【目的】生成两段文本之间具有对比关系的句子,为自动生成对比关系段落文本提供基础模型。【方法】将对比关系句子生成任务看作是由两段文本组成的文本序列到两者之间对比关系文本序列的自动生成,设计一个基于Seq2Seq的深度学习模型,在字符向量的基础上融入对比特征对输入文本进行表示,Encoder层和Decoder都采用BiLSTM结构,同时在模型中引入Attention机制。【结果】在人工标注的查新单及科技论文数据集上展开实验,采用BLEU作为生成效果评价指标,最后评价得分为12.1,比直接使用BiLSTM+Attention的基准模型得分高6.5。【局限】由于人工标注对比关系句子的复杂性,实验所用的数据量有限。【结论】该模型能够生成一定程度上可读并且具有对比关系的句子,可以作为对比关系段落文本生成的基础模型。

关键词：对比关系文本生成文本表征深度学习