傳統(tǒng)引文分析主要考慮論文之間的引用數(shù)量聯(lián)系,但引文之間存在著更為豐富的語義關聯(lián),如引用動機、引用情感傾向等。為了更加有效揭示論文之間的內容聯(lián)系,論文提出引用對象的概念來描述論文與引文內容上的關聯(lián)點,并探索應用當前信息技術的發(fā)展成果,實現(xiàn)引用對象的自動識別,揭示引文重要知識單元,有助于從語義角度評價引文的學術貢獻。論文梳理了國內外相關研究進展,總結提出存在兩種引用對象——術語型引用對象和事實型引用對象。為了有效實現(xiàn)兩種引用對象的自動識別,提出融合引用對象重要特征,優(yōu)化深度學習模型的整體研究思路。明確了本研究的三個關鍵問題:（1）兩種引用對象各自具有哪些重要特征?（2）如何融合術語型引用對象重要特征,優(yōu)化深度學習模型,提升術語型引用對象的識別性能?（3）如何融合事實型引用對象重要特征,優(yōu)化深度學習模型,提升事實型引用對象的識別性能?針對上述三個關鍵問題,開展了三個方面的研究:（1）設計引用對象標注框架,構建包含50篇施引文獻和1438個引用對象的人工標注數(shù)據(jù)集,從分布、內容、語法、位置等多個維度分析引用對象特征;（2）提出融合語言學和引用語境特征的深度學習序列標注模型,增強引用對象的上下文... 

【文章頁數(shù)】：133 頁

【學位級別】：博士

【部分圖文】：

引用對象識別層級關系示意圖

引用對象識別研究總體思路Fig.1.2GeneralIdeaofcitationobjectidentificationResearch基于以上三個關鍵問題，制定相應的解決方案

技術路線

【參考文獻】：
期刊論文
[1]基于機器學習算法的引文情感自動識別研究——以自然語言處理領域為例[J]. 徐琳宏,丁堃,林原,楊陽.  現(xiàn)代情報. 2020(01)
[2]理論術語抽取的深度學習模型及自訓練算法研究[J]. 趙洪,王芳.  情報學報. 2018(09)
[3]基于引文內容分析的引用情感識別研究[J]. 廖君華,劉自強,白如江,陳軍營.  圖書情報工作. 2018(15)
[4]基于引用內容性質的引文評價研究[J]. 劉盛博,丁堃,張春博.  情報理論與實踐. 2015(03)
[5]面向引用關系的引文內容標注框架研究[J]. 陸偉,孟睿,劉興幫.  中國圖書館學報. 2014(06)
[6]全文本引文分析——引文分析的新發(fā)展[J]. 趙蓉英,曾憲琴,陳必坤.  圖書情報工作. 2014(09)
[7]基于引用內容與位置的共被引分析改進研究[J]. 劉盛博,張春博,丁堃,劉則淵.  情報學報. 2013 (12)
[8]從基于引文到基于引用——一種統(tǒng)計引文總被引次數(shù)的新方法[J]. 胡志剛,陳超美,劉則淵,侯海燕.  圖書情報工作. 2013(21)
[9]科技論文文內參考文獻的標注方法和規(guī)則[J]. 甘可建,莊愛華.  中山大學學報論叢. 2007(10)
[10]就句子結構的完整性談參考文獻文中標注位置[J]. 楊玉東.  中國科技期刊研究. 2003(05)



本文編號：3729418