基于条件随机场的学术期刊中理论的自动识别方法

doi:10.13266/j.issn.0252-3116.2016.02.019

图书情报工作 ›› 2016, Vol. 60 ›› Issue (2): 122-128.DOI: 10.13266/j.issn.0252-3116.2016.02.019

基于条件随机场的学术期刊中理论的自动识别方法

陈锋, 翟羽佳, 王芳

南开大学商学院信息资源管理系天津 300071;
南开大学商学院网络社会治理研究中心天津 300071

收稿日期:2015-10-25 修回日期:2015-12-14 出版日期:2016-01-20 发布日期:2016-01-20
通讯作者: 王芳(ORCID:0000-0002-2655-9975),网络社会治理研究中心主任,教授,博士生导师,通讯作者,E-mail:wangfangnk@nankai.edu.cn
作者简介:陈锋(ORCID:0000-0002-0214-8100),博士研究生;翟羽佳(ORCID:0000-0002-3231-4077),博士研究生。
基金资助:
本文系国家社会科学基金重大项目"我国网络社会治理研究"(项目编号:14ZDA063)研究成果之一。

Automatic Theory Recognition in Academic Journals Based on CRF

Chen Feng, Zhai Yujia, Wang Fang

Department of Information Resources Management, Business School of Nankai University, Tianjin 300071

Received:2015-10-25 Revised:2015-12-14 Online:2016-01-20 Published:2016-01-20

摘要/Abstract

摘要：

[目的/意义]从学术期刊中抽取其中的理论是对文献进行内容分析的前提,实现理论名称识别的自动化可以提高内容分析的效率。[方法/过程]将理论识别视为一类命名实体识别问题,总结现有的命名实体识别的常用方法,提出一个基于语义泛化思想的命名实体识别方法,选取词性、知网义原等外部知识,采用CRF模型对《情报学报》1822篇论文的标题和摘要进行实验。[结果/结论]实验表明,识别准确率最高达到95.38%,但召回率较低;训练语料规模对性能影响较大,不同程度的语义泛化方法对准确率和召回率有复杂影响。如何选择语义特征、语义标注和语义消歧是需要解决的新问题。

关键词: 理论识别, 命名实体识别, 引文分析, 语义泛化

Abstract:

[Purpose/significance] Theory recognition in the academic journals is a precondition for content analysis, so the automation of theory recognition can improve the efficiency of content analysis. [Method/process] This paper regards theory recognition as named entity recognition, reviews the existing named entity recognition methods, and proposes a theory recognition model based on semantic generalization. Selecting the part of speech, HowNet semantic and other external knowledge, a series of experiments with CRF model on 1822 academic journal papers are conducted. [Result/conclusion] The accuracy rate of recognition is 95.38% high, but the recall rate is low;the size of the training texts has a large influence on the performance. Semantic resources can improve the performance, but the recall rate is decreased. How to select the semantic features, semantic annotation and semantic disambiguation has to be solved.

Key words: theory recognition, named entity recognition(NER), citation content analysis, semantic generalization

中图分类号:

G356.9

陈锋, 翟羽佳, 王芳. 基于条件随机场的学术期刊中理论的自动识别方法[J]. 图书情报工作, 2016, 60(2): 122-128.

Chen Feng, Zhai Yujia, Wang Fang. Automatic Theory Recognition in Academic Journals Based on CRF[J]. LIS, 2016, 60(2): 122-128.

参考文献

[1] 陆伟,孟睿,刘兴帮. 面向引用关系的引文内容标注框架研究[J]. 中国图书馆学报, 2014, 35(6):93-104.
[2] CHINCHOR N. MUC-7 named entity task definition[C]//Proceedings of the 7th message understanding conference. Virginia:Association for Computational Linguistics, 1998:1-21.
[3] PETTIGREW K E, MCKECHNIE L. Use of theory in information science research[J]. Journal of the American Society for Information Science and Technology, 2001, 52(1):62-73.
[4] 王芳,史海燕,纪雪梅. 我国情报学研究中理论的应用:基于《情报学报》的内容分析[J]. 情报学报, 2015, 34(6):581-591.
[5] 孙镇,王惠临. 命名实体识别研究进展综述[J]. 现代图书情报技术, 2010(6):42-47.
[6] RATINOV L, DAN R. Design challenges and misconceptions in named entity recognition[C]//Proceedings of the thirteenth conference on computational natural language learning,2009:147-155.
[7] NGUYEN N,TSURUOKA Y. Extracting bacteria biotopes with semi-supervised named entity recognition and coreference resolution[C]//Proceedings of BioNLP shared task 2011 workshop. Oregon:Association for Computational Linguistics, 2011:94-101.
[8] LIAO W, VEERAMACHANENI S. A simple semi-supervised algorithm for named entity recognition[C]//Proceedings of the NAACL HLT 2009 Workshop on semi-supervised learning for natural language processing.Boulder:Association for Computational Linguistics, 2009:58-65.
[9] PENNACCHIOTTI M, PANTEL P. Entity extraction via ensemble semantics[C]//Proceedings of the 2009 conference on empirical methods in natural language processing:Volume 1.Singapore:Association for Computational Linguistics, 2009:238-247.
[10] 孙茂松,黄昌宁,高海燕,等. 中文姓名的自动辨识[J]. 中文信息学报, 1995(2):16-27.
[11] 俞鸿魁,张华平,刘群,等. 基于层叠隐马尔可夫模型的中文命名实体识别[J]. 通信学报, 2006, 27(2):88-94.
[12] 郑逢强,林磊,刘秉权,等. 《知网》在命名实体识别中的应用研究[J]. 中文信息学报, 2008(5):97-101.
[13] YAN E, ZHU Y. Identifying entities from scientific publications:a comparison of vocabulary and model-based methods[J]. Journal of informetrics, 2015, 9(3):455-465.
[14] TALUKDAR P P,REISINGER J,PASCA M, et al. Weakly-supervised acquisition of labeled class instances using graph random walks[C]//Proceedings of the 2008 conference on empirical methods in natural language processing. Honolulu:Association for Computational Linguistics, 2008:582-590.
[15] ARGAMON S,BLOOM K,GARG N. Extracting appraisal expressions[C]//Proceedings of NAACL HLT 2007. Rochester:Association for Computational Linguistics, 2007:308-315.
[16] 索绪尔. 普通语言学教程[M]. 北京:商务印书馆, 1999:170-177.
[17] MIRKIN S,DAGAN I,GEFFET M. Integrating pattern-based and distributional similarity methods for lexical entailment acquisition[C]//Proceedings of COLING-ACL 2006 main conference poster sessions. Sydney:International Committee on Computational Linguistics, 2006:1-8.
[18] LAFFERTY J,MCCALLUM A,PEREIRA F. Conditional random fields:probabilistic models for segmenting and labeling sequence data[C]//Proceeding of international conference on machine learning. Williamstown:International Machine Learning Society, 2001:282-289.
[19] LI L, ZHOU R, HUANG D. Two-phase biomedical named entity recognition using CRFs[J]. Computational biology and chemistry, 2009, 33(4):334-338.
[20] 何炎祥,罗楚威,胡彬尧. 基于CRF和规则相结合的地理命名实体识别方法[J]. 计算机应用与软件, 2015, 32(1):179-185.
[21] 付瑞吉. 开放域命名实体识别及其层次化类别获取[D]:哈尔滨:哈尔滨工业大学, 2014.
[22] 靖继鹏,马费成,张向先. 情报科学理论[M]. 北京:科学出版社, 2013:32-90.

基于条件随机场的学术期刊中理论的自动识别方法

Automatic Theory Recognition in Academic Journals Based on CRF

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	苏辀恒, 张敏, 王锦. 图书情报领域情感研究现状述评[J]. 图书情报工作, 2022, 66(6): 137-147.
[2]	张雪, 张志强, 曹玲静, 阮伟南, 任晓亚, 冯志刚. 学科领域研究前沿识别方法研究进展[J]. 图书情报工作, 2022, 66(12): 139-151.
[3]	杜悦, 王东波, 江川, 徐润华, 李斌, 许超, 徐晨飞. 数字人文下的典籍深度学习实体自动识别模型构建及应用研究[J]. 图书情报工作, 2021, 65(3): 100-108.
[4]	刘耀, 张越, 叶璐. 融合篇章结构的文本知识网络构建[J]. 图书情报工作, 2021, 65(21): 118-130.
[5]	张汝昊. 基于语义和位置相似的作者共被引分析方法及效果实证[J]. 图书情报工作, 2020, 64(8): 111-124.
[6]	刘小慧, 沈哲思, 廖宇, 杨立英. 科研论文颠覆性指数的改进及其影响因素研究[J]. 图书情报工作, 2020, 64(24): 84-91.
[7]	牌艳欣, 李长玲, 徐璐. 弱引文关系视角下跨学科相关知识组合识别方法探讨——以情报学为例[J]. 图书情报工作, 2020, 64(21): 111-119.
[8]	石燕青, 赵一方. 科学文献被引轨迹的跨学科特征影响研究[J]. 图书情报工作, 2020, 64(14): 74-84.
[9]	李贺, 袁翠敏, 解梦凡. 专利文献中的睡美人现象分析与研究[J]. 图书情报工作, 2019, 63(6): 64-74.
[10]	梁镇涛, 巴志超, 徐健. 基于引文的跨学科领域发展路径分析——以眼动追踪领域为例[J]. 图书情报工作, 2019, 63(23): 65-78.
[11]	齐燕. 基于专利引文分析的领域科技关联发展态势探究——以HCV为例[J]. 图书情报工作, 2019, 63(23): 97-105.
[12]	王新才, 杨千, 王海宁. 国内与国际跨学科研究人员文献需求的对比分析——以南海争端问题为例[J]. 图书情报工作, 2018, 62(5): 6-14.
[13]	艾楠竹, 王新才. 高校2011协同创新中心文献保障的实证分析——以武汉大学为例[J]. 图书情报工作, 2018, 62(5): 15-22.
[14]	杨瑞仙, 姜小函. 从学科和期刊的引证视角看交叉学科的知识结构和演化问题——以图书情报学科为例的实证研究[J]. 图书情报工作, 2018, 62(5): 30-39.
[15]	孙安, 于英香, 罗永刚, 王祺. 序列标注模型中的字粒度特征提取方案研究——以CCKS2017:Task2临床病历命名实体识别任务为例[J]. 图书情报工作, 2018, 62(11): 103-111.