基于论文摘要和引文文本语料的突破性研究特征词识别
来源：图书情报工作杂志2020年第11期北京时间：
作者：杨雪梅,王雪,杜建,唐小利
单位：1 中国医学科学院医学信息研究所 北京 100005;<br />\r\n2 北京大学健康医疗大数据国家研究院 北京 100191
摘要：[目的/意义] 基于作者对自身研究的描述性评价和后续研究者的评论性引用视角，利用摘要和引文语料提取突破性研究的特征词，从而了解突破性研究的摘要和引文语料特征以帮助对于突破性研究的识别。[方法/过程] 选取Science评选为"Breakthrough of the Year "的关键文献和Nobel Prize获得者的" key publications"作为突破性研究语料数据，整合论文的摘要和引文语料进行特征词提取。特征词提取中，首先利用Stanford CoreNlp工具对语料进行分词及词频统计，并结合专家意见提取特征词元。然后将特征词作为种子词，利用医学文本的语义关系对特征词进行语义拓展。最后通过查全率和查准率进一步对比摘要和引文的特征词拓展前后的检索识别效果。[结果/结论] 突破性研究语料中遴选出8个摘要语料的特征词元和8个引文语料的特征词元。特征词检索识别中，摘要和引文的拓展特征词的查全率最高，引文特征词的查准率最高，引文拓展特征词的查全率和查准率综合效果较好。
关键词：突破性研究,特征词,摘要文本,引用语句,
基金资助：本文系国家社会科学基金项目"基于科学与技术交叉模型的创新前沿识别方法与应用研究"（项目编号：18BTQ064）和中国医学科学院医学与健康科技创新工程"医学科技创新评价与卫生服务体系构建研究"（项目编号：2016-I2M-3-018）研究成果之一。
