面向摘要结构功能划分的模型性能比较研究
来源：图书情报工作杂志2018年第12期北京时间：
作者：王东波,陆昊翔,周鑫,朱丹浩
单位：1. 南京农业大学信息科学技术学院 南京 210095;<br />\r\n2. 南京大学信息管理学院 南京 210093;<br />\r\n3. 南京大学计算机科学与技术系 南京 210093
摘要：[目的/意义]摘要作为学术论文中能够简明扼要地说明研究目的、研究方法和最终结论的陈述部分，具有较高的探究价值和意义。[方法/过程]选取长短期记忆网络（Long Short-Term Memory）、支持向量机（Support Vector Machine）、LSTM-CRF和CNN-CRF 4种模型，对3 672篇情报学领域的期刊论文进行摘要划分识别研究。[结果/结论]长短期记忆网络模型识别F值最高为69.15%，LSTM-CRF神经网络模型最高F值为88.76%，RNN-CRF模型最高F值达到89.10%，支持向量机分类器分类宏观F值最高为72.04%。该实验结果对图书情报领域的学术论文结构功能划分实验模型选取有较高的参考价值。
关键词：结构功能划分,条件随机场,长短期记忆网络,卷积神经网络,支持向量机,
基金资助：本文系国家社会科学基金重大项目"情报学学科建设与情报工作未来发展路径研究"（项目编号：17ZDA291）研究成果之一。
