基于题录信息的领域学术文献细粒度分类方法研究

来源：图书情报工作杂志2021年第14期北京时间：

作者：雷兵,刘小,钟镇

单位：1 河南工业大学管理学院 郑州 450001;2 河南工业大学商务智能与知识工程实验室 郑州 450001

摘要：[目的/意义] 针对领域学术文献，基于题录信息构建按照"研究内容"与"研究方法"的双标签分类模型，为学术文献的细粒度分类提供方法借鉴。[方法/过程] 以深度学习中卷积神经网络为基础模型，将题名、摘要、关键词、刊名、作者、机构等题录信息分为显性特征和隐性特征，通过显性特征提取、隐性特征映射等步骤，形成特征词数组，在此基础上生成词向量矩阵，经过卷积层、池化层与Softmax层处理，完成分类任务。[结果/结论] 以电子商务领域文献为例进行实验验证，结果显示，该模型按"研究内容"与"研究方法"双标签分类的宏F1值分别为0.74、0.81，不仅明显优于传统机器学习方法，也比仅使用显性特征的深度学习分类方法高。

关键词：学术文献,主题分类,题录信息,深度学习,卷积神经网络,

基金资助：本文系国家自然科学基金项目\"作者、期刊与数据库错误引文的科学计量学研究：识别方法、产生机理与抑控对策\"（项目编号：71603073）和河南省高校哲学社会科学创新团队资助项目\"大数据与管理决策\"（项目编号：2019-CXTD-04）研究成果之一。