基于引文 链 的知 识 元挖 掘研究.PDFVIP

第28卷 第3期 情 报 杂 志 Vc)1．28 No．3 2009年 3月 J(JURNAI()FINTEI1IGENCE M}tr． 2009 基于引文链的知识元挖掘研究* ResearchonM iningKnowledgeElementsBasedonCitationChain 赵火军 温有奎 (西安电子科技大学经济管理学院 西安 710071) 摘 要 文献中的知识单元是隐含的，如何准确地提取隐含在文献中的知识单元显得非常重要。在科学引文索引 的基础上，提出了用引文关联的方法来提取文献知识元的思想；通过引文链提取文献特征句子和参考文献特征句 子，表示成本体，并比较相应本体之间的相似度，给出了本体相似度阈值。结果证明，用引文关联的方法来提取文献 知识元是一种有效的方法。 关键词 引文链 知识元 本体 中图分类号 TP39l 一 篇文献的知识元是隐含的，而且没有一定的标 1 知识单元提取 准，怎样有效地提取文献的知识元 日益成为研究者关 心的话题。1955年，美国的尤金 ·加菲尔德博士(Dr． 在提取知识单元之前 ，首先要提取文献的特征句 EugeneGarfiled)在Science期刊上发表了一篇重要的沦 子。这里的特征句子就是文献中含有中括号(中间是 文(CitationIndexesforScience— ANewDimensionin 数字)的句子。 DocumentationthroughAsm~ciationofIdeas}，首次提出 1．1 文献特征句子提取 作者在文献中引用别人 了“引文索引”的概念，即将一篇文献作为检索词，通过 文献时都会通过某种方式注明出处，在期刊文献中是 收录其所引用的参考文献和跟踪其发表后被引用的情 通过一系列标记符(如[1])来表明的5【j。可以从这些 况来掌握该研究课题的来龙去脉，从而迅速发现与其 符号入手，提取出作者文献中带有这些符号的句子并 相关的研究文献L1J，并于20世纪 60年代正式创办了 存入数据库中。抽取句子的步骤如下：a．把 PDF格式 科学信息研究所 (Institutefor~,ientificI~ormation， 的文献转换成TXT格式；b．文本预处理，删除文本中 ISI)，制作出高质量的引文数据库——科学引文索引 的冗余信息，仅保留文本信息；e．抽取文献中含有标记 (ScienceCitationIndex，SCI)。科学引文索引就是从文 符的句子，并判断句首是否是连词，如果是连词的话， 献之间相互引证的关系上揭示了科学文献之间的内在 抽取出该句及其前一句子。 联系-2J。通过对数据库的检索与统计 ，可以对文献进 值得注意的是，这里保留了与特征句子有关系的 行评价，然而这种评价尚停留在以文献为单位的阶段， 句子，因为连词提供了丰富的上下句之间的关系，如果 不能对文献 中的内容进行评价。BrettPowley和 仅保留特征句子，就会丢失某些信息，而这些信息也许 RobertDa1el3J提出了一种高准确度的学术论文引文抽 是非常重要的，比如表明了作者的引用 目的等。 取方法，该方法通过文中的作者与年份和参考文献中 1．2 参考文献特征句子提取 特征句子中的标记 的作者与年份的对应关系来对文章引用情况进行评 符(如[1])是和后面的参考文献对应起来的 J。从这 价，他们认为引文抽取的一个重要方向是检测和处理 一 点人手可以找到某个句子对应的参考文献，并进一 引文和参考文献的错误。目前引文分析主要作为一种 步找到参考文献中和前面提取出来的某个句子对应的 实用的定量指标和评价手段被广泛采用科学成果的评 那个句子(最相似句子)。作者统计发现，以[]为标记 价中 j，从内容方面进行的研究还没有。本文从引文 的引用主要分为以下几种情况：a．概念引用；b．试验性 链出发，采用引