基于BLSTM的科技文献术语抽取方法-情报工程-中国科学技术信息.PDFVIP

DISCOVERY AND RESEARCH 探索与研究 doi:10.3772/j.issn.2095-915x.2018.01.008 基于BLSTM的科技文献术语抽取方法 赵东玥 1 杜永萍 1 石崇德 2 1. 北京工业大学信息学部 北京 100124； 2. 中国科学技术信息研究所 北京 100038 摘 要 术语抽取是研究科技文献领域的重要技术，为进一步提高科技文献术语抽取的准确率和召回率， 本文采用了基于 BLSTM（Bidirectional Long Short-Term Memory）的神经网络模型。使用预先 训练的词向量字典将中文分词结果映射为向量作为 BLSTM 模型的输入，使用序列标注的方法将输出 分类结果映射为术语的边界进行术语抽取。在自动化技术、计算机技术领域的数据集上，设计实验对 比了使用词为特征的 BLSTM 模型和条件随机场模型的抽取结果。结果表明基于 BLSTM 模型的科技 文献术语抽取得了更优的性能，在中文数据集上精确率最高 0.7821，召回率最高 0.8020，F1 值最高 0.7860，在英文数据集上分别达到 0.8525，0.8677 和 0.8543。 关键词：术语抽取；科技文献；长短时记忆 中图分类号：TP391，G35 开放科学（资源服务）标识码（OSID） Scientific Literature Terms Extraction Based on Bidirectional Long Short-Term Memory Model 1 1 2 ZHAO Dongyue DU Yongping SHI Chongde 1. Faculty of Information Science, Beijing University of Technology, Beijing 100124, China; 2. Institute of Scientific and Technical Information of China, Beijing 100038, China Abstract Term extraction plays an important role in the field of scientific literature. In order to improve the accuracy and recall of the term extraction, this research designed a neural network model based on BLSTM (Bidirectional Long Short-Term Memory) model. The segmentation results in Chinese were mapped into the vectors via pre-trained word vector dictionary, and the output of classification results were 项目基金： 国家自然科学基金青年基金项目“面向科技监测的实体识别与关系抽取研究”。 作者简介：赵东玥（1992-），硕士研究生，研究方向：自然语言处理，Email：zdy@；杜永萍（1977-），博 士，副教授，研究方向：信息检索，自然语言处理；石崇德（1979-），博士，副研究员，研究方向：自然语言处理、机器翻译。 TECHNOLOGY INTELLIGENCE ENGINEERING 2018 年第 4 卷 第 1 期 067 探索与研究 DISCOVERY AND RESEARCH doi:10.3772/j.issn.2095-915x.2018.01.008 mapped as the term boundaries