[發(fā)明專利]一種學(xué)術(shù)文本詞匯功能框架構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710203905.2
• 申請(qǐng)日: 2017-03-30
• 公開（公告）號(hào): CN107015967A
• 公開（公告）日: 2017-08-04
• 發(fā)明（設(shè)計(jì)）人: 程齊凱;陸偉;楊韻寒
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27;G06F17/30;G06N5/02
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)42222
• 代理人: 魏波

技術(shù)領(lǐng)域

本發(fā)明屬于智能識(shí)別技術(shù)領(lǐng)域，具體涉及一種學(xué)術(shù)文本詞匯功能框架構(gòu)建方法。

背景技術(shù)

隨著科研社區(qū)規(guī)模的快速擴(kuò)大和學(xué)術(shù)文獻(xiàn)數(shù)量的急劇增長(zhǎng)，掌握一個(gè)學(xué)科的研究進(jìn)展和知識(shí)脈絡(luò)已經(jīng)變得越來越困難。為了更好的了解和組織科學(xué)知識(shí)，人們需要借助學(xué)術(shù)信息檢索工具和科學(xué)計(jì)量工具的幫助。然而，傳統(tǒng)的學(xué)術(shù)信息檢索和知識(shí)管理主要考慮的是文檔級(jí)別的信息，在文檔表示上也多采用詞袋模型。這樣的處理帶來了計(jì)算上的便利，但同時(shí)也失去了對(duì)學(xué)術(shù)文本的深層語義理解。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提出了一種學(xué)術(shù)文本詞匯功能框架構(gòu)建方法。

本發(fā)明所采用的技術(shù)方案是：一種學(xué)術(shù)文本詞匯功能框架構(gòu)建方法，其特征在于，包括以下步驟：

步驟1：定義學(xué)術(shù)文本詞匯功能的概念和類別；

步驟2：構(gòu)建學(xué)術(shù)文本詞匯功能的框架。

詞匯功能框架的提出幫助研究者明確了詞匯功能的界定范圍，不但使得文獻(xiàn)標(biāo)注的效率有所提高，而且為學(xué)術(shù)文本詞匯功能自動(dòng)識(shí)別任務(wù)提供了理論框架和基礎(chǔ)。基于詞匯功能框架的自動(dòng)識(shí)別任務(wù)應(yīng)有更高的效率和更好的效果。

附圖說明

圖1為本發(fā)明實(shí)施例的領(lǐng)域無關(guān)詞匯功能分類體系圖；

圖2為本發(fā)明實(shí)施例的學(xué)術(shù)文本詞匯功能框架示意圖。

具體實(shí)施方式

為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。

本專利提出的學(xué)術(shù)文本詞匯功能框架構(gòu)建方法，作為面向詞匯功能的學(xué)術(shù)文本分析的基礎(chǔ)。學(xué)術(shù)文本詞匯功能(以下如不做特別聲明，簡(jiǎn)稱為詞匯功能)是指詞匯或者術(shù)語在文本中所承擔(dān)的角色。詞匯的功能可能多種多樣，本專利關(guān)注的是詞匯在學(xué)術(shù)文本中所承擔(dān)的角色，而不去分析其在語法層面或者其它通用語言理解任務(wù)中的所承擔(dān)的功能定義。

需要說明的是，在語言學(xué)理論中，詞匯與術(shù)語是不同的兩個(gè)概念，術(shù)語由詞匯構(gòu)成。在文專利中，具有獨(dú)立意義的最小單元往往是術(shù)語(Phrase)。本專利不嚴(yán)格區(qū)分“詞匯”和“術(shù)語”，以下如果不做特別說明，“詞匯”同“術(shù)語”將不做區(qū)別。

學(xué)術(shù)文本的詞匯功能是對(duì)詞匯在學(xué)術(shù)文本中角色的定義，嚴(yán)格來說，術(shù)語對(duì)語用的定義。在自然語言理解研究中，人們一般從三個(gè)角度對(duì)語言進(jìn)行建模，分別是語法、語義和語用。語法是對(duì)語言結(jié)構(gòu)的表示，自然語言處理中的句法分析就屬于語法分析任務(wù)；語義則是對(duì)符號(hào)和內(nèi)容關(guān)系進(jìn)行處理，語義角色標(biāo)注是典型的語義分析任務(wù)；語用則考慮到語言和人也即符號(hào)與人的關(guān)系，分析的是人在使用符號(hào)時(shí)的所表達(dá)的意義。本專利所指的“學(xué)術(shù)文本的詞匯功能”既有語義分析的成分，也有語用分析的成分。某些詞匯是對(duì)工具、數(shù)據(jù)、定理、公式的指代，這時(shí)候詞匯的功能表現(xiàn)的是語義層面的內(nèi)容，也即符號(hào)與內(nèi)容的對(duì)應(yīng)。另一些詞匯功能，如工具、方法等等，并不能與具體的內(nèi)容相對(duì)應(yīng)，一個(gè)詞匯表現(xiàn)為什么功能，是由作者和讀者基于對(duì)文本的理解確定的，這時(shí)，詞匯功能表現(xiàn)出的是語用的意義。

面對(duì)日益增多的科學(xué)文獻(xiàn)，從詞匯功能角度對(duì)學(xué)術(shù)文本進(jìn)行深度語義分析已經(jīng)成為必要。基于詞匯功能框架的學(xué)術(shù)文本的詞匯功能分析可以幫助人們快速的查找和理解科學(xué)文獻(xiàn)，挖掘科學(xué)概念之間的關(guān)聯(lián)。本專利將對(duì)學(xué)術(shù)文本的詞匯功能進(jìn)行界定，并構(gòu)建學(xué)術(shù)文本詞匯功能框架，為詞匯功能分析做基礎(chǔ)。

最早出現(xiàn)的直接相關(guān)研究成果是Kondo等發(fā)表于2009年的研究成果。Kondo和Nanba等發(fā)表于2009的文章和發(fā)表于2010年的文章最早提出將學(xué)術(shù)文本中的詞匯根據(jù)其功能進(jìn)行分類，Kondo等人的研究將處理對(duì)象限定為學(xué)術(shù)文獻(xiàn)的標(biāo)題，將其中詞匯的功能分為“方法(Method)”、“問題(Goal)”、“其它(Other)”三類，例如，文本“本文將支持向量機(jī)用于文本分類”中，“支持向量機(jī)”構(gòu)成了方法類詞匯，“文本分類”則被標(biāo)記為“問題”。

Gupta和Manning在2011年發(fā)表在IJNLP會(huì)議上的文獻(xiàn)中將詞匯功能定義為三類：話題(Focus)、技術(shù)方法(Technique)和應(yīng)用(Application)。

在Gupta的工作基礎(chǔ)上，Tsai等將詞匯功能分為“方法(Technique)”和“應(yīng)用(Application)”兩類，前者標(biāo)明文獻(xiàn)使用的方法技術(shù)，后者是方法技術(shù)所解決的問題。