研究论文教程.PDFVIP

研究论文 ０３３ ＤＯＩ ：１０．１３５３０／ ｊ ．ｃｎｋｉ．ｊｌｉｓ．１４０００２ 学术文献的文体特征及其检索意义 ——— 计算机科学文献与相关新闻报道文体的比较研究∗ ∗ 邹永利　 冯静娴　 郑　 荟 摘　 要　 计算机科学学术文献具有独特的文体特征，且部分特征能够用于计算机科学网络中文学术文献的自动识别与 检索，提高计算机科学学术文献的相对检准率。 本文通过建立计算机学术文献语料库与ＩＴ 新闻语料库，对计算机科学 学术文献和ＩＴ 新闻在特有表述、平均句长、中西文比例三方面的文体特征进行提取与加权，应用于基于百度的网络中文 学术检索系统（ＮＳＩＲＳ）中。 结果显示，本研究提取并设定的文体特征能有效提高ＮＳＩＲＳ 对计算机科学学术文献的检索 效率，从而证明发掘并应用特定学科文献独特的文体特征的意义。 图２。 表４。 参考文献１４。 关键词　 文体特征　 计算机科学　 学术文献　 ＩＴ 新闻　 ＮＳＩＲＳ 系统 分类号　 Ｇ３５４ ＳｔｙｌｉｓｔｉｃＣｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄＲｅｔｒｉｅｖａｌｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｉｃＬｉｔｅｒａｔｕｒｅｓ： Ａ Ｃｏｍｐａｒａｔｉｖｅ Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｓｔｙｌｉｓｔｉｃ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｂｅｔｗｅｅｎ Ａｃａ⁃ ｄｅｍｉｃ Ｐａｐｅｒｓａｎｄ ＰｒｅｓｓＲｅｐｏｒｔｓ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ＺｏｕＹｏｎｇｌｉ， ＦｅｎｇＪｉｎｇＸｉａｎ＆Ｚｈｅｎｇ Ｈｕｉ ＡＢＳＴＲＡＣＴ　 Ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ ａｃａｄｅｍｉｃ ｄｏｃｕｍｅｎｔｓ ｈａｖｅ ｄｉｓｔｉｎｃｔｉｖｅ ｓｔｙｌｉｓｔｉｃ ｆｅａｔｕｒｅｓ ｔｈａｔ ｃａｎ ｂｅ ｅｘｐｌｏｒｅｄ ｔｏ ｆａｃｉｌｉｔａｔｅ ｔｈｅ ａｕ⁃ ｔｏｍａｔｉｃ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ ｒｅｔｒｉｅｖａｌ ｏｆ Ｃｈｉｎｅｓｅ ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ ａｃａｄｅｍｉｃ ｐａｐｅｒｓ ｏｎ ｔｈｅ ｗｅｂ． Ｔｈｉｓ ｐａｐｅｒ ｅｓｔａｂｌｉｓｈｅｓ ａ ｃｏｍｐｕｔｅｒ ａｃａｄｅｍｉｃ ｌｉｔｅｒａｔｕｒｅ ｃｏｒｐｕｓ ａｎｄ ａｎ ＩＴ ｎｅｗｓ ｃｏｒｐｕｓ ｔｏ ｆｉｎｄ ｔｈｅ ｄｉｆｆｅｒｅｎｔ ｔｙｐｉｃａｌ ｅｘｐｒｅｓｓｉｏｎｓ ａｖｅｒａｇｅ ｌｅｎｇｔｈ ｏｆ ｓｅｎｔｅｎｃｅｓ ｒａｔｉｏ ｏｆ Ｃｈｉｎｅｓｅ ｃｈａｒａｃｔｅｒｓ ｔｏ Ｒｏｍａｎ ａｌｐｈａｂｅｔｓ ａｎｄ ｇｉｖｅｓ ｔｈｅｍ ｄｉｆｆｅｒｅｎｔ ｗｅｉｇｈｔｓ． Ｆｉｎａｌｌｙ ｔｈｉｓ ｐａｐｅｒ ａｐｐｌｉｅｓ ｔｈｅ ｒｅｓｕｌｔｓ ｔｏ Ｂａｉｄｕ⁃ｂａｓｅｄ ＮＳＩＲＳ ｓｙｓｔｅｍ． Ｐｒｅｃｉｓｉｏｎ ｅｖａｌｕａｔｉｏｎ ｏｖｅｒ ｔｈｅ ＮＳＩＲＳ ｓｈｏｗｓ ｓｉｇｎｉｆｉｃａｎｔ ａｄｖａｎｔａｇｅ ｏｆ ｏｕｒ ａｐｐｒｏａｃｈ ｏｖｅｒ ｐｒｅｖｉｏｕｓ ｓｔｕｄｙ ｕｓｉｎｇ ｔｈｅ ｓａｍｅ ｓｙｓｔｅｍ． ２ ｆｉｇｓ． ４ ｔａｂｓ． １４ ｒｅｆｓ． ＫＥＹＷＯＲＤＳ　 Ｓｔｙｌｉｓｔｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ 　 Ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ 　 Ａｃａｄｅｍｉｃ ｌｉｔｅｒａｔｕｒｅ 　 ＩＴ ｎｅｗｓ 　 ＮＳＩＲＳ ｓｙｓｔｅｍ． 互联网上存在大量ＨＴＭＬ 格式的免费中文学 异，开发出基于中文学术文献文体特征的网页检索 术文献，但缺失实用的检索工具或系统。 为了在海 系统（ＮＳＩＲＳ）［３］ ，验证了某些文体特征对于提高中 量互联网信息中自动识别网络中文学术文献，排除 文网络学术文献检准率的影响。 研究发现，中文学 ［４］ 干扰文献，我们借鉴日本学者安形辉、石田荣美、池 术文献文体特征存在学科差异 ，但尚未就这些差 － ［１ ２］ 内淳 等人的研究思路，采用文体计量学方法， 异对特定学科文献检索效率的影响作深入研究。 对比学术文献与新闻报道、网络日志之间的文体差 计算机科学是与互联网联系最为紧密的学科，其网