多层次融合的学术文本结构功能识别研究

doi:10.13266/j.issn.0252-3116.2019.13.010

图书情报工作 ›› 2019, Vol. 63 ›› Issue (13): 95-104.DOI: 10.13266/j.issn.0252-3116.2019.13.010

多层次融合的学术文本结构功能识别研究

王佳敏^1,2, 陆伟^1,2, 刘家伟^1,2, 程齐凯^1,2

1. 武汉大学信息管理学院武汉 430072;
2. 武汉大学信息检索与知识挖掘研究所武汉 430072

收稿日期:2018-09-13 修回日期:2019-01-25 出版日期:2019-07-05 发布日期:2019-07-05
通讯作者: 陆伟(ORCID:0000-0002-0929-7416),副院长,教授,博士生导师,通讯作者,E-mail:weilu@whu.edu.cn
作者简介:王佳敏(ORCID:0000-0003-3954-0381),博士研究生;刘家伟(ORCID:0000-0002-2774-1509),硕士研究生;程齐凯(ORCID:0000-0003-3904-8901),讲师,博士。
基金资助:
本文系国家自然科学基金面上项目"面向词汇功能的学术文本语义识别与知识图谱构建研究"（项目编号：71473183）研究成果之一。

Research on Structure Function Recognition of Academic Text Based on Multi-level Fusion

Wang Jiamin^1,2, Lu Wei^1,2, Liu Jiawei^1,2, Cheng Qikai^1,2

1. School of Information Management, Wuhan University, Wuhan 430072;
2. Information Retrieval and Knowledge Mining Laboratory, Wuhan University, Wuhan 430072

Received:2018-09-13 Revised:2019-01-25 Online:2019-07-05 Published:2019-07-05

摘要/Abstract

摘要： [目的/意义]学术文本结构功能是对学术文献的结构和章节功能的概括，针对当前研究较少从学术文本多层次结构出发进行融合和传统方法依赖人工经验构建规则或特征的问题，本文在对学术文本层次结构进行解析的基础上，构建了多层次融合的学术文本结构功能识别模型。[方法/过程]以ScienceDirect数据集为例进行实验，该模型首先通过深度学习方法对不同层次学术文本进行结构功能识别，接着采用投票方法对不同层次和不同模型的识别结果进行融合。[结果/结论]研究结果表明各层次集成后的整体效果较单一模型均有不同程度提升，综合结果的整体准确率、召回率和F1值分别达到86%、84%和84%，并且深度学习算法在学术文本分类任务中的性能较传统机器学习算法SVM更优，最后对学术文本结构功能错分情况进行了分析，指出本研究潜在的应用领域和下一步的研究方向。

关键词: 深度学习, 结构功能, 多层次融合, 学术文本

Abstract: [Purpose/significance] The structure function of the academic text refers to the summarization of academic text structure and section function. While few of existed studies pay attention to the fusion of multi-level structure of academic text, and the traditional methods usually rely on artificial experience to build rules or features. After the analysis of the multi-level structure of academic text, we construct a structure function recognition model based on multi-level fusion.[Method/process] We use the academic text dataset from ScienceDirect for experiment. First, we apply deep learning algorithms to identify the structure function of academic text at different level. Then we employ the voting method to fuse the results from different levels and models.[Result/conclusion] The results show that the performance improved to varying degrees after fusion. The precision, recall and F1 value of the combined results reached 86%, 84% and 84%, respectively. Compared with the traditional machine learning algorithm SVM, the deep learning algorithm has better performance in the task of academic text classification. Finally, we analyze the misclassification of the structure function of academic text and point out the potential application fields and future research directions.

Key words: deep learning, structure function, multi-level fusion, academic text

中图分类号:

G250

王佳敏, 陆伟, 刘家伟, 程齐凯. 多层次融合的学术文本结构功能识别研究[J]. 图书情报工作, 2019, 63(13): 95-104.

Wang Jiamin, Lu Wei, Liu Jiawei, Cheng Qikai. Research on Structure Function Recognition of Academic Text Based on Multi-level Fusion[J]. LIS, 2019, 63(13): 95-104.

参考文献

[1] XIA F, WANG W, BEKELE T M, et al. Big scholarly data:a survey[J]. IEEE transactions on Big Data, 2017, 3(1):18-35.
[2] HUG S E, BRANDLE M P. The coverage of microsoft academic:analyzing the publication output of a university[J]. Scientometrics, 2017, 113(3):1551-1571.
[3] RIBAUPIERRE H D, FALQUET G. Extracting discourse elements and annotating scientific documents using the sciannotdoc model:a use case in gender documents[J]. International journal on digital libraries, 2017, 18(3):1-16.
[4] RAHMAN M M, FININ T. Deep understanding of a document's structure[C]//Proceedings of the 3rd IEEE/ACM international conference on Big Data computing, applications and technologies. Shanghai:IEEE/ACM, 2017:63-73.
[5] ALZAHRANI S, PALADE V, SALIM N, et al. Using structural information and citation evidence to detect significant plagiarism cases in scientific publications[J]. Journal of the American Society for Information Science and Technology, 2012, 63(2):286-312.
[6] KHAN S, LIU X F, SHAKIL K A, et al. A survey on scholarly data:from big data perspective[J]. Information processing and management, 2017, 53(4):923-944.
[7] 陆伟, 黄永, 程齐凯. 学术文本的结构功能识别——功能框架及基于章节标题的识别[J]. 情报学报, 2014, 33(9):979-985.
[8] LUONG M T, NGUYEN T D, KAN M Y. Logical structure recovery in scholarly articles with rich document features[J]. International journal of digital library systems, 2010, 1(4):1-23.
[9] SOLLACI L B, PEREIRA M G. The introduction, methods, results, and discussion (IMRAD) structure:a fifty-year survey[J]. Journal of the medical library association, 2014, 92(3):364-367.
[10] 方龙, 李信, 黄永, 等. 学术文本的结构功能识别——在关键词自动抽取中的应用[J]. 情报学报, 2017, 36(6):599-605.
[11] HU Z G, CHEN C M, LIU Z Y. Where are citations located in the body of scientific articles? a study of the distributions of citation locations[J]. Journal of informetrics, 2013, 7(4):887-896.
[12] DING Y, LIU X Z, GUO C, et al. The distribution of references across texts:some implications for citation analysis[J]. Journal of informetrics, 2013, 7(3):583-592.
[13] TUAROB S, MITRA P, GILES C L. A hybrid approach to discover semantic hierarchical sections in scholarly documents[C]//Proceedings of the 13th international conference on document analysis and recognition. Mancy:IAPR, 2015:1081-1085.
[14] 黄永, 陆伟, 程齐凯. 学术文本的结构功能识别——基于章节内容的识别[J]. 情报学报, 2016, 35(3):293-300.
[15] 黄永, 陆伟,程齐凯,等. 学术文本的结构功能识别——基于段落的识别[J]. 情报学报, 2016, 35(5):530-538.
[16] 奚雪峰, 周国栋. 面向自然语言处理的深度学习研究[J]. 自动化学报, 2016, 42(10):1445-1465.
[17] MAO S, ROSENFELD A, KANUNGO T. Document structure analysis algorithms:a literature survey[J]. Proc spie electronic imaging, 2003(5010):197-207.
[18] KIM J, LE D X, THOMA G R. Automated labeling in document images[C]//Proceedings of the SPIE conference on document recognition and retrieval VⅢ. San Jose:SPIE, 2000:111-122.
[19] CONSTANTIN A, PETTIFER S, VORONKOV A. PDFX:fully-automated PDF-to-XML conversion of scientific literature[C]//Proceedings of the ACM symposium on document engineering. Florence:ACM, 2013:177-180.
[20] HINTON G E, SALAKHUTDINOY R R. Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(5786):504-507.
[21] SALAKUTDINOV R, HINTON G E. Semantic hashing[J]. International journal of approximate reasoning, 2009, 50(7):969-978.
[22] GLOROT X, BORDES A, BENGIO Y. Domain adaptation for large-scale sentiment classification:a deep learning approach[C]//Proceedings of the 28th international conference on machine learning. Washington:Ominpress, 2011:513-520.
[23] ZHANG L. Grasping the structure of journal articles:utilizing the functions of information units[J]. Journal of the Association for Information Science and Technology, 2012, 63(3):469-480.
[24] HOCHREITER S, SCHMIDHUBER J. Long short-term memory[J]. Neural Computation, 1997, 9(8):1735-1780.
[25] GRAVES A. Supervised sequence labelling with recurrent neural networks[D]. München:Technische Universität München, 2008.
[26] 章成志. 基于集成学习的自动标引方法研究[J]. 情报学报, 2010, 29(1):3-8.

多层次融合的学术文本结构功能识别研究

Research on Structure Function Recognition of Academic Text Based on Multi-level Fusion

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]	袁毅, 陶鑫琪, 李瑾萱, 刘娅娴, 汪晓芸, 景香玉. 基于招聘文本实体挖掘的人才供需分析——以人工智能领域为例[J]. 图书情报工作, 2022, 66(14): 101-118.
[2]	韩普, 顾亮. 基于混合深度学习的中文医学实体抽取研究[J]. 图书情报工作, 2022, 66(14): 119-127.
[3]	周潇, 许银彪, 史益. 基于深度学习与语义挖掘的技术创新组合识别与追踪[J]. 图书情报工作, 2022, 66(10): 33-44.
[4]	张国标, 李鹏程, 陆伟, 程齐凯. 多特征融合的关键词语义功能识别研究[J]. 图书情报工作, 2021, 65(9): 89-96.
[5]	李娜, 姜恩波, 朱一真, 刘婷. 政策工具自动识别方法与实证研究[J]. 图书情报工作, 2021, 65(7): 115-122.
[6]	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.
[7]	桂美增, 许学国. 基于深度学习的技术机会预测研究——以新能源汽车为例[J]. 图书情报工作, 2021, 65(19): 130-141.
[8]	孔德婧, 董放, 陈子婧, 刘宇涵, 周源. 离群专利视角下的新兴技术预测——基于BERT模型和深度神经网络[J]. 图书情报工作, 2021, 65(17): 131-141.
[9]	钱力, 刘细文, 张智雄, 刘会洲. AI+智慧知识服务生态体系研究设计与应用实践——以中国科学院文献情报中心智慧服务平台建设为例[J]. 图书情报工作, 2021, 65(15): 78-90.
[10]	雷兵, 刘小, 钟镇. 基于题录信息的领域学术文献细粒度分类方法研究[J]. 图书情报工作, 2021, 65(14): 128-137.
[11]	林泽斐, 欧石燕. 融合结构与文本特征的知识图谱关系预测方法研究[J]. 图书情报工作, 2020, 64(21): 99-110.
[12]	易明, 张婷婷, 李梓. 多维特征下社会化问答社区答案排序研究[J]. 图书情报工作, 2020, 64(17): 103-113.
[13]	余传明, 王曼怡, 安璐. 跨语言情境下基于对抗的实体关系抽取模型研究[J]. 图书情报工作, 2020, 64(17): 131-144.
[14]	吕璐成, 韩涛, 周健, 赵亚娟. 基于深度学习的中文专利自动分类方法研究[J]. 图书情报工作, 2020, 64(10): 75-85.
[15]	黄水清, 王东波. 新时代人民日报分词语料库构建、性能及应用(二)——深度学习自动分词模型构建[J]. 图书情报工作, 2019, 63(23): 5-12.