科技文本內容的分析和利用一直是情報學科研究的關鍵問題。當前,科學技術進入快速發(fā)展階段,各領域積累了大量科技文獻,傳統(tǒng)以文獻為粒度的文本挖掘方式不利于用戶獲取和利用科技文獻中的知識內容。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,從更細粒度的角度深入到對科技文本潛在知識內容的挖掘。科技文本的挖掘和利用對整個科學的發(fā)展起著重要的作用,特別是人們所重點關注的科技文本中的研究問題、解決方法等細粒度、深層次內容,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”相關知識的利用,進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聯(lián),對于一個特定領域的細粒度知識挖掘,它們常分別對應于實體和實體關系。本文以人工智能領域為實證對象,以科技文獻摘要為數據源,進行“研究問題”、“解決方法”對應的知識單元與知識關聯(lián)抽取研究。綜合使用基于通用神經網絡(如Bi-LSTM)的方法和基于預訓練語言模型(如BERT、Sci Bert)的方法,開展研究問題、解決方法實體的識別和抽取研究,并綜合比較各模型在人工智能領域實體識別上的效果。隨后,以人工智能領域知識演化...

【文章頁數】：80 頁

【學位級別】：碩士

【部分圖文】：

圖3.1科技文獻摘要中的問題和方法示例

3人工智能領域科技文本研究問題和解決方法實體識別碩士學位論文掘的精準性以及文本處理的高效性優(yōu)勢，其任務實質為序列標注問題。

圖3.3LSTM網絡單元結構圖[92]

3人工智能領域科技文本研究問題和解決方法實體識別碩士學位論文20長距離依賴關系。在t時刻單個LSTM網絡單元的更新公式如式（3.1）所示。=(++(1)+)=(++(1)+)=(++(1)+)=(++(1)+)=(1)+=()其中，W和b分別表示權重矩陣和偏置矩陣，it、ft、o....

圖3.7BERTCRF結構示意圖[46]

3人工智能領域科技文本研究問題和解決方法實體識別碩士學位論文243.3.2基于預訓練語言模型的方法由綜述部分可知，BERT是在大規(guī)模語料上預訓練所得，蘊含豐富的文本語義信息�；诖耍趹玫奖疚难芯繂栴}和解決方法實體識別任務中，想必可起到不錯的效果。實踐中，文本輸入包括三方面內容....

圖3.8實驗部分語料導入示意圖

3人工智能領域科技文本研究問題和解決方法實體識別碩士學位論文26圖3.8實驗部分語料導入示意圖圖3.9實驗部分語料基于種子詞的自動初標注示意圖

本文編號：4004692