一种基于序列标注的概念短语抽取方法

来源：图书情报工作杂志2022年第11期北京时间：

作者：李雪思,张智雄,刘欢

单位：1. 中国科学院文献情报中心 北京 100190;2. 中国科学院大学经济与管理学院图书情报与档案管理系 北京 100190;3. 科技大数据湖北省重点实验室 武汉 430072

摘要：［目的/意义］ 科技文献中的概念是对文献中知识高度凝练的表达,通常以定义句的形式出现在科技文献中。自动从概念定义句中抽取概念,能够进一步挖掘科技文献中蕴含的重要知识。［方法/过程］ 通过分析概念定义句的结构、句式等模式特征,提出以WCL数据集为基础的语料构建方案,并采用BERT+BiLSTM+CRF模型学习概念定义句的模式,从而实现概念短语抽取。［结果/结论］ 结合以往对概念定义句模式特征的研究,创新性地提出一种基于序列标注学习概念定义句的组成模式,从而实现概念短语抽取。通过BERT+BiLSTM+CRF模型,有效学习了概念定义句中的上下文语义、句式结构、组成项分布等模式特征,实现了句子中概念短语的抽取。

关键词：序列标注,概念定义句,概念短语,自动抽取,

基金资助：本文系中国科学院文献情报能力建设专项课题\"基于科技文献知识的人工智能(AI)引擎建设\"(项目编号:E0290906)和国家科技图书文献中心 (NSTL)\"下一代开放知识服务平台关键技术优化集成与系统研发\"(项目编号:2020XM05)研究成果之一。