發(fā)布時(shí)間：2024-07-10 20:31

　　科技文本內(nèi)容的分析和利用一直是情報(bào)學(xué)科研究的關(guān)鍵問(wèn)題。當(dāng)前,科學(xué)技術(shù)進(jìn)入快速發(fā)展階段,各領(lǐng)域積累了大量科技文獻(xiàn),傳統(tǒng)以文獻(xiàn)為粒度的文本挖掘方式不利于用戶獲取和利用科技文獻(xiàn)中的知識(shí)內(nèi)容。為更深入有效地利用科技文本,就必須突破這種以單篇文本為粒度的挖掘方案,從更細(xì)粒度的角度深入到對(duì)科技文本潛在知識(shí)內(nèi)容的挖掘�？萍嘉谋镜耐诰蚝屠�用對(duì)整個(gè)科學(xué)的發(fā)展起著重要的作用,特別是人們所重點(diǎn)關(guān)注的科技文本中的研究問(wèn)題、解決方法等細(xì)粒度、深層次內(nèi)容,這些都是人類重要的知識(shí)積累。鑒于此,本文面向科技論文中“問(wèn)題-方法”相關(guān)知識(shí)的利用,進(jìn)行科技文本的知識(shí)挖掘研究,具體分為兩個(gè)部分,包括知識(shí)單元和知識(shí)關(guān)聯(lián),對(duì)于一個(gè)特定領(lǐng)域的細(xì)粒度知識(shí)挖掘,它們常分別對(duì)應(yīng)于實(shí)體和實(shí)體關(guān)系。本文以人工智能領(lǐng)域?yàn)閷?shí)證對(duì)象,以科技文獻(xiàn)摘要為數(shù)據(jù)源,進(jìn)行“研究問(wèn)題”、“解決方法”對(duì)應(yīng)的知識(shí)單元與知識(shí)關(guān)聯(lián)抽取研究。綜合使用基于通用神經(jīng)網(wǎng)絡(luò)(如Bi-LSTM)的方法和基于預(yù)訓(xùn)練語(yǔ)言模型(如BERT、Sci Bert)的方法,開(kāi)展研究問(wèn)題、解決方法實(shí)體的識(shí)別和抽取研究,并綜合比較各模型在人工智能領(lǐng)域?qū)嶓w識(shí)別上的效果。隨后,以人工智能領(lǐng)域知識(shí)演化...

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.1科技文獻(xiàn)摘要中的問(wèn)題和方法示例

3人工智能領(lǐng)域科技文本研究問(wèn)題和解決方法實(shí)體識(shí)別碩士學(xué)位論文掘的精準(zhǔn)性以及文本處理的高效性優(yōu)勢(shì)，其任務(wù)實(shí)質(zhì)為序列標(biāo)注問(wèn)題。

圖3.3LSTM網(wǎng)絡(luò)單元結(jié)構(gòu)圖[92]

3人工智能領(lǐng)域科技文本研究問(wèn)題和解決方法實(shí)體識(shí)別碩士學(xué)位論文20長(zhǎng)距離依賴關(guān)系。在t時(shí)刻單個(gè)LSTM網(wǎng)絡(luò)單元的更新公式如式（3.1）所示。=(++(1)+)=(++(1)+)=(++(1)+)=(++(1)+)=(1)+=()其中，W和b分別表示權(quán)重矩陣和偏置矩陣，it、ft、o....

圖3.7BERTCRF結(jié)構(gòu)示意圖[46]

3人工智能領(lǐng)域科技文本研究問(wèn)題和解決方法實(shí)體識(shí)別碩士學(xué)位論文243.3.2基于預(yù)訓(xùn)練語(yǔ)言模型的方法由綜述部分可知，BERT是在大規(guī)模語(yǔ)料上預(yù)訓(xùn)練所得，蘊(yùn)含豐富的文本語(yǔ)義信息�；�于此，在應(yīng)用到本文研究問(wèn)題和解決方法實(shí)體識(shí)別任務(wù)中，想必可起到不錯(cuò)的效果。實(shí)踐中，文本輸入包括三方面內(nèi)容....

圖3.8實(shí)驗(yàn)部分語(yǔ)料導(dǎo)入示意圖

3人工智能領(lǐng)域科技文本研究問(wèn)題和解決方法實(shí)體識(shí)別碩士學(xué)位論文26圖3.8實(shí)驗(yàn)部分語(yǔ)料導(dǎo)入示意圖圖3.9實(shí)驗(yàn)部分語(yǔ)料基于種子詞的自動(dòng)初標(biāo)注示意圖

本文編號(hào)：4004692