典型文献
基于深度学习的科技文献摘要结构功能识别研究
文献摘要：
[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.
文献关键词：
深度学习;BERT;文献结构;功能识别;文本分类
中图分类号：
作者姓名：
毛进;陈子洋
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
文献出处：
引用格式：
[1]毛进;陈子洋-.基于深度学习的科技文献摘要结构功能识别研究)[J].农业图书情报学报,2022(03):15-27
A类：
IMRC
B类：
科技文献,摘要,结构功能,功能识别,文本深度,深度分析,任务转换,文本分类,分类问题,引言,Introduction,Methods,Results,Conclusions,上下文特征,BERT,BiLSTM,TextCNN,ERNIE,分类器,自动识别,eHealth,文献数据,短句,句子,长句,细粒度,文献结构,深度挖掘,知识发现
AB值：
0.422345
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
