学术文本中的论断句包含了学者对研究问题的看法和判断,对其进行识别有助于组织和挖掘其中蕴含的学术观点,以辅助学者更高效地开展科研活动.在对前人研究进行归纳的基础上,提出论断句判断的3个充分条件和3个必要条件,从肯定和否定角度构建论断句判定标准.开发论断句标注系统,选择信息资源管理领域部分论文,开展摘要和全文层面论断句的标注实验.评测最小序列优化、支持向量机、朴素贝叶斯、决策树、k近邻、BERT(bidi-rectional encoder representations from transformers)+FC(full connection)、BERT+BiLSTM(bidirectional long short-term memory)分类器对论断句的识别效果.研究发现:①使用本文提出的判断标准,标注者在摘要和全文层面对学术文本中论断句和非论断句的标注一致性较高;②仅使用文本特征情况下,BERT+BiLSTM算法识别效果最好,准确率、召回率和F_1值等指标均大于90％;③论断句和非论断句在长度、段内位置、文内位置和TextRank权重上频率分布均存在差异;④在摘要层面,使用序列最小优化算法,加入长度特征后,分类器识别效果提升0.5％;在全文层面,使用支持向量机分类器,加入长度、段内相对位置、文内相对位置特征后,分类器识别效果在F_1值上取得了2％的提升.

学术文本;论断句;文本特征;机器学习;识别

徐健;郭语凡;喻雪寒;黄雨馨;杨婷婷;王唯一;刘政

南京农业大学信息管理学院,南京 210095;南京农业大学经济管理学院农林经济管理博士后流动站,南京 210095

情报学报

[1]徐健;郭语凡;喻雪寒;黄雨馨;杨婷婷;王唯一;刘政-.学术论断句标注与识别方法探索)[J].情报学报,2022(07):707-719

论断句,+FC

方法探索,学术文本,研究问题,学术观点,科研活动,充分条件,判定标准,标注系统,信息资源管理,管理领域,摘要,评测,序列优化,朴素贝叶斯,决策树,近邻,encoder,representations,from,transformers,full,connection,BERT+BiLSTM,bidirectional,long,short,term,memory,判断标准,中论,文本特征,算法识别,召回率,TextRank,重上,频率分布,器识,效果提升,支持向量机分类器,相对位置,位置特征

0.288101