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科技文本潛在知識內(nèi)容的挖掘�？萍嘉谋镜耐诰蚝屠�用對整個科學(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積累。鑒于此,本文面向科技論文中“問題-方法”相關(guān)知識的利用,進(jìn)行科技文本的知識挖掘研究,具體分為兩個部分,包括知識單元和知識關(guān)聯(lián),對于一個特定領(lǐng)域的細(xì)粒度知識挖掘,它們常分別對應(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)證對象,以科技文獻(xiàn)摘要為數(shù)據(jù)源,進(jìn)行“研究問題”、“解決方法”對應(yīng)的知識單元與知識關(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)練語言模型(如BERT、Sci Bert)的方法,開展研究問題、解決方法實(shí)體的識別和抽取研究,并綜合比較各模型在人工智能領(lǐng)域?qū)嶓w識別上的效果。隨后,以人工智能領(lǐng)域知識演化...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.1科技文獻(xiàn)摘要中的問題和方法示例

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

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

3人工智能領(lǐng)域科技文本研究問題和解決方法實(shí)體識別碩士學(xué)位論文20長距離依賴關(guān)系。在t時(shí)刻單個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)域科技文本研究問題和解決方法實(shí)體識別碩士學(xué)位論文243.3.2基于預(yù)訓(xùn)練語言模型的方法由綜述部分可知，BERT是在大規(guī)模語料上預(yù)訓(xùn)練所得，蘊(yùn)含豐富的文本語義信息。基于此，在應(yīng)用到本文研究問題和解決方法實(shí)體識別任務(wù)中，想必可起到不錯的效果。實(shí)踐中，文本輸入包括三方面內(nèi)容....

圖3.8實(shí)驗(yàn)部分語料導(dǎo)入示意圖

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

本文編號：4004692