基于语义模式和引用分布的科技文献信息抽取-山东大学学报理学版.PDFVIP

　第５０卷　第３期 山　东　大　学　学　报　（理　学　版） ２０１５年３月　 　 　 　 　 　 　Ｖｏｌ．５０　 Ｎｏ．３　 　 　 　 　 ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ） Ｍａｒ．２０１５　 　文章编号：１６７１９３５２（２０１５）０３００１１０９　　　ＤＯＩ：１０６０４０／ｊ．ｉｓｓｎ．１６７１９３５２３２０１４１２２ 基于语义模式和引用分布的科技文献信息抽取 １，２ １，２ １，２ １，２ 杨中国 ，李洪奇 ，朱丽萍 ，刘蔷 （１．中国石油大学（北京）石油数据挖掘北京市重点实验室，北京 １０２２４９； ２．中国石油大学（北京）地球物理与信息工程学院，北京 １０２２４９） 摘要：科技文献中回顾前人研究成果、分析存在的问题、提出解决方法等语言片段是论文创新性信息的构成部分。 分析论文写作过程中问题分析信息的逻辑思维以及在文章中呈现的篇章关系，综合利用引用分布特征、篇章关系 特征、否定情感特征构建具有普适性的信息抽取语义模式。从论文原始文本中通过匹配定义好的语义模式抽取 出问题分析信息。同时，利用引导词特征、语义相似度计算从论文文本中抽取出论文的主要工作信息。以数据挖 掘领域科技文献为例，对比人工抽取结果对提出的方法进行评价，结果表明该方法能较准确抽取相应信息，为科 技论文聚类、论文推荐提供基础数据来源。 关键词：引用分布；篇章关系；语义模式；否定情感；引导词 中图分类号：ＴＰ３９１　　　文献标志码：Ａ Ｓｃｉｅｎｔｉｆｉｃｌｉｔｅｒａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎｂａｓｅｄｏｎｓｅｍａｎｔｉｃ ｐａｔｔｅｒｎａｎｄｒｅｆｅｒｅｎｃｅｄｉｓｔｒｉｂｕｔｉｏｎ １，２ １，２ １，２ １，２ ＹＡＮＧＺｈｏｎｇｇｕｏ ，ＬＩＨｏｎｇｑｉ ，ＺＨＵＬｉｐｉｎｇ ，ＬＩＵＱｉａｎｇ （１．ＢｅｉｊｉｎｇＫｅｙＬａｂｏｆＰｅｔｒｏｌｅｕｍＤａｔａＭｉｎｉｎｇ，ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＰｅｔｒｏｌｅｕｍ（Ｂｅｉｊｉｎｇ），Ｂｅｉｊｉｎｇ１０２２４９，Ｃｈｉｎａ； ２．ＣｏｌｌｅｇｅｏｆＧｅｏｐｈｙｓｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＰｅｔｒｏｌｅｕｍ（Ｂｅｉｊｉｎｇ），Ｂｅｉｊｉｎｇ１０２２４９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｓｃｉｅｎｔｉｆｉｃａｎｄｔｅｃｈｎｏｌｏｇｙｌｉｔｅｒａｔｕｒｅ，ｔｈｅｒｅｖｉｅｗｏｆｐｒｅｖｉｏｕｓｒｅｓｅａｒｃｈｒｅｓｕｌｔｓ，ａｎａｌｙｓｉｓｏｆｅｘｉｓｔｉｎｇｐｒｏｂ ｌｅｍｓ，ｐｒｏｐｏｓｅｓｏｌｕｔｉｏｎｓａｎｄｏｔｈｅｒｌａｎｇｕａｇｅｆｒａｇｍｅｎｔａｒｅｐａｒｔｏｆｔｈｅｉｎｎｏｖａｔｉｏｎｏｆｔｈｉｓｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｅｌｏｇｉｃａｌｔｈｉｎｋｉｎｇ ｐａｔｔｅｒｎｏｆｐｒｏｂｌｅｍａｎａｌｙｓｉｓｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｐａｐｅｒａｎｄｔｈｅｄｉｓｃｏｕｒｓｅｒｅｌａｔｉｏｎｗｅｒｅａｎａｌｙｚｅｄ．Ａｕｔｉｌｉｚａｔｉｏｎｏｆｒｅｆｅｒｅｎｃｅ ｄｉｓｔｒｉｂｕｔｉｏｎ，ｄｉｓｃｏｕｒｓｅｒｅｌａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｎｅｇａｔｉｖｅｅｍｏｔｉｏｎａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｗａｓｍａｄｅｔｏｃｏｎｓｔｒｕｃｔｕｎｉｖｅｒｓａｌｓｅｍａｎ ｔｉｃｐａｔｔｅｒｎｏｆｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ．Ｔｈｅｐｒｏｂｌｅｍａｎａｌｙｓｉｓｉｎｆｏｒｍａｔｉｏｎｗ