引文分析是科技評(píng)價(jià)與管理領(lǐng)域的一個(gè)重要研究議題。引用內(nèi)容分析相較于傳統(tǒng)的只考察被引頻次的引文分析方法而言可以有效發(fā)現(xiàn)引用內(nèi)容中的語(yǔ)義關(guān)聯(lián)、情感傾向等有重要價(jià)值的引用信息,從而更加全面的判斷引文的引用價(jià)值。但引用內(nèi)容的情感分析不同于傳統(tǒng)文本（如微博文本）的情感分類,引用內(nèi)容中表達(dá)的情感大多為隱含的,這使得引用內(nèi)容情感（尤其是負(fù)面情感）自動(dòng)識(shí)別的準(zhǔn)確率較低。隨著引用內(nèi)容分析研究的深入,結(jié)合引用內(nèi)容生成單篇論文的科學(xué)摘要也逐漸受到研究者們的關(guān)注,其可從被引文獻(xiàn)的應(yīng)用角度闡明被引文獻(xiàn)在科學(xué)社區(qū)中的貢獻(xiàn)。但是,當(dāng)前的引文摘要研究沒有考察施引者的施引情感,使得生成的引文摘要帶有一定的片面性。本文對(duì)引用內(nèi)容的情感分類問題及基于施引情感的引文摘要生成問題進(jìn)行了研究。通過捕捉施引者用以表達(dá)施引情感的話語(yǔ)模式,以提升引用內(nèi)容情感分類的性能。在引用內(nèi)容情感分類的基礎(chǔ)上生成考察施引情感的逐面引文摘要,從而更好地闡述被引文獻(xiàn)在科學(xué)社區(qū)中的貢獻(xiàn)和價(jià)值。具體研究?jī)?nèi)容如下:（1）基于話語(yǔ)模式的引用內(nèi)容情感分類研究。從引用內(nèi)容的上下文語(yǔ)境中提取反映引用內(nèi)容語(yǔ)義和結(jié)構(gòu)特性的特征,將具有邏輯關(guān)系的特征進(jìn)行組合以提取引用片段... 

【文章來源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－］技術(shù)路線圖??法，引入基于話語(yǔ)模式的組合特征、否定范圍特征以及條件隨機(jī)場(chǎng)模型，以提高引用內(nèi)??容情感分類的性能

前兩個(gè)及后一個(gè)句子）。語(yǔ)料集對(duì)文本片段中的每個(gè)句子??和整個(gè)文本片段都進(jìn)行了標(biāo)注：根據(jù)是否有助于其所在的引用片段（ｃｉｔａｔｉｏｎ?ｃｏｎｔｅｘｔ）的??情感判斷，每個(gè)句子都會(huì)被標(biāo)記為“１”或“０”?；整個(gè)文本片段也會(huì)伴隨出現(xiàn)兩個(gè)標(biāo)??簽：①目的標(biāo)簽，１－Ｃｒｉｔｉｃｉｚｉｎｇ，?２－Ｃｏｍｐａｒｉｓｏｎ，３－Ｕｓｅ，４－Ｓｕｂｓｔａｎｔｉａｔｉｎｇ，５－Ｂａｓｉｓ?和?６－??Ｎｅｕｔｒａｌ；②極性標(biāo)簽：１－ｎｅｕｔｒａｌ，?２－ｐｏｓｉｔｉｖｅ和３－ｎｅｇａｔｉｖｅ，部分?jǐn)?shù)據(jù)集示例見圖３－２：??１?ｃｉＴｉｎｇ＿ｉｄ?ｃｉｔｉｅｄ＿ｉｄ?ｙｅａｒ?ｓｅｎｔｃｉＫｅｓ?ｖｖｉｔｈ?ｌａｂｅｌｓ?ｐｉｕｐｏｓｅ＿ｌａｂｅｌ?ｐｏｌａｉｉｔｙ＿ｌａｂｅｌ??２?Ｐ９６－１０４１?Ａ８８－１０１９?１９９６?Ｉｎ?ａｄｄｉｔｉｃ?０?Ｓｍｏｏｔｈｉｒ?１?Ａ?ｌａｎｇｕａｃ?０?Ｌａｎｇｕａｇｅ?０?６?１??３?Ａ９４－１０２２?Ｃ８８－２１２１?１９９４?ｗｈｉｃｈ?ｃａｒ?０?Ｃｏｎｖｅｎｔｉ－?０?Ｈａｎｄｌｉｎｇ?０?Ｉｎ?ｏｕｒａｐ?１?２?３??４?Ｊ９５－１００１?Ｐ８９－１０１０?１９９５?Ｃｏｎｔｅｎｔ?＼?０?Ｏｎｅ?ｍｕｃ?０?Ｄｉｓｃｒｉｍｉｎ?０?Ｄｅｔｅｒｍｉｎ?１?５?２??５?ＣＯＯ－２１４８?Ｊ８８－２００３?２０００?Ｂｙ?ｕｓｉｎｇ?＇?０?Ｗｅ?ｄｅｃｏ?１?ｈｆｉｔｉａｌ?ｔｒｅｅ?０?Ｆｏｒ?ｅｘａｍ?０?４?２??圖３－２部分原始數(shù)據(jù)集示例??在該數(shù)據(jù)集標(biāo)注規(guī)則的基礎(chǔ)上，結(jié)合ｊｕｎ?Ｘｕ［３５］提出的極性標(biāo)注方案，本研究制定了??如下極性標(biāo)注規(guī)則：①若引用內(nèi)容中明確表達(dá)

ｓａｍｂｉｇｕａｔｉ?０?＜ＲＥＦ＞Ａｓ?ＣｈｆＴｌＥｓｔｉｍａｔｅｓ?ｆｒｏ?０?Ｆｏｒ?ｅｘａｍｐｌｅ．?０?１２??７?Ｊ９７－１００５?Ｊ８６－３００１?１９９７?Ｓｉｔｅ?ｂｅｆｏｒｅ?ａｆ〇｜ＮＡ?ｔ?ＮＡ?ｆ?ｊｏｌｕｎｌｉｋｅ?ｔｈｅ?ｃｕ５ｊＣｕｅ－ｐｒｏｓｏｄ／ｃｒ］〇?０??８?Ｊ９７－１００５?Ｊ８６－３００１?１９９７?Ｗｅ?ｃｏｎｃｌｕｄｅｉ￣０；２１?ＣｈａｒａｃｔｅｒｉＬＤＪＴｈｅ?ｌｉｎａｕｉｓｔｉｃｆｏｌｒｈｅ?ｈｉｅｒａｒｃｈｉｉｊＯｌ?０?０??圖３－３文本片段選取及刪除示例??ｂ）由于原始數(shù)據(jù)集中的句子內(nèi)容是棰于正則表達(dá)式獲取的，不可避免的會(huì)獲取到??＋符合句法結(jié)構(gòu)（比如句中無動(dòng)詞）或與原文不符的句子，本研究對(duì)這樣的文本片段做??進(jìn)一步的剔除，最終獲得１２６０個(gè)帶有極性標(biāo)簽的文本片段并將其用于活續(xù)的數(shù)據(jù)處理??和分類實(shí)驗(yàn)。??（２）參名文獻(xiàn)標(biāo)識(shí)預(yù)處理??在撰寫學(xué)術(shù)論文時(shí)，作者經(jīng)常會(huì)用一些特殊的格式來表示對(duì)參考文獻(xiàn)的引用（比??如，通常會(huì)用小括號(hào)對(duì)參考文獻(xiàn)進(jìn)行表示），而這些內(nèi)容并不是句子的成分，若不對(duì)其??進(jìn)行處理，將會(huì)對(duì)下一步實(shí)驗(yàn)造成消極的影響。此預(yù)處理工作希望消除這些特殊的參考??文獻(xiàn)標(biāo)識(shí)對(duì)分類效果可能造成的不良影響。具體處理步驟描述如下：??Ｓｔｅｐ?１：簡(jiǎn)化參考文獻(xiàn)標(biāo)識(shí)。＜ＴＲＥＦ＞…＜ＴＲＥＦ＞?—＜ＴＲＥＦ＞；?＜ＲＥＦ＞．．．＜ＲＥＦ＞?—??＜ＲＥＦ＞；?（ＴＲＥＦ：?Ｈ標(biāo)參考文獻(xiàn)；ＲＥＦ：其他參考文獻(xiàn)）??Ｓｔｅｐ?２：對(duì)ｊ：？多個(gè)參考文獻(xiàn)＋�。肇B續(xù)出觀的情況，統(tǒng)一給出兩種標(biāo)識(shí)：①若連續(xù)出??現(xiàn)的參考標(biāo)ｉ只中有＜ＴＲＥＦ＞，則連續(xù)出現(xiàn)的參七標(biāo)識(shí)統(tǒng)…替換為＜ＧＴＲ

【參考文獻(xiàn)】：
期刊論文
[1]基于PCA與t-SNE特征降維的城市植被SVM識(shí)別方法[J]. 于慧伶,霍鏡宇,張怡卓,蔣毅.  實(shí)驗(yàn)室研究與探索. 2019(12)
[2]基于引文內(nèi)容分析的引用情感識(shí)別研究[J]. 廖君華,劉自強(qiáng),白如江,陳軍營(yíng).  圖書情報(bào)工作. 2018(15)
[3]基于引用功能和引用極性的一個(gè)引用分類模型研究[J]. 尹莉,郭璐,李旭芬.  情報(bào)雜志. 2018(07)
[4]CitationAS: A Tool of Automatic Survey Generation Based on Citation Content[J]. Jie Wang,Chengzhi Zhang,Mengying Zhang,Sanhong Deng.  Journal of Data and Information Science. 2018(02)
[5]基于引文上下文的學(xué)術(shù)文本自動(dòng)摘要技術(shù)研究[J]. 陳海華,黃永,張炯,陸偉.  數(shù)字圖書館論壇. 2016(08)
[6]利用三層條件隨機(jī)場(chǎng)模型進(jìn)行情感極性分類及強(qiáng)度分析[J]. 李向前,李軍偉.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[7]基于樸素貝葉斯模型的自動(dòng)引用分類研究[J]. 尹莉.  情報(bào)科學(xué). 2015(02)
[8]引文內(nèi)容分析方法研究綜述[J]. 祝清松,冷伏海.  情報(bào)資料工作. 2013(05)
[9]引用語(yǔ)義化相關(guān)問題初探[J]. 齊燕.  情報(bào)理論與實(shí)踐. 2013(08)
[10]大規(guī)模語(yǔ)料庫(kù)上的Stanford和Berkeley句法分析器性能對(duì)比分析[J]. 項(xiàng)煒,金澎.  電腦知識(shí)與技術(shù). 2013(08)

博士論文
[1]全文引文分析方法與應(yīng)用[D]. 胡志剛.大連理工大學(xué) 2014
[2]科學(xué)論文的引用內(nèi)容分析及其應(yīng)用[D]. 劉盛博.大連理工大學(xué) 2014

碩士論文
[1]基于引文的英文文檔文摘自動(dòng)生成方法研究[D]. 任瀟雨.西安電子科技大學(xué) 2014
[2]基于隱馬爾科夫模型詞性標(biāo)注的研究[D]. 牛秀萍.太原理工大學(xué) 2013
[3]多標(biāo)簽聚類算法及其評(píng)價(jià)研究[D]. 程思穎.東北師范大學(xué) 2013
[4]基于向量空間模型的文本分類算法研究[D]. 張振峰.杭州電子科技大學(xué) 2011
[5]基于近鄰傳播和凝聚層次的文本聚類方法[D]. 何晏成.哈爾濱工業(yè)大學(xué) 2010
[6]基于擴(kuò)展的VSM中文文本分類方法[D]. 井志強(qiáng).哈爾濱工程大學(xué) 2010



本文編號(hào)：3485492