分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-07-26 合作期刊: 《图书情报工作》
摘要： [目的/意义]学术文本结构功能是对学术文献的结构和章节功能的概括，针对当前研究较少从学术文本多层次结构出发进行融合和传统方法依赖人工经验构建规则或特征的问题，本文在对学术文本层次结构进行解析的基础上，构建了多层次融合的学术文本结构功能识别模型。[方法/过程]以ScienceDirect数据集为例进行实验，该模型首先通过深度学习方法对不同层次学术文本进行结构功能识别，接着采用投票方法对不同层次和不同模型的识别结果进行融合。[结果/结论]研究结果表明各层次集成后的整体效果较单一模型均有不同程度提升，综合结果的整体准确率、召回率和F1值分别达到86%、84%和84%，并且深度学习算法在学术文本分类任务中的性能较传统机器学习算法SVM更优，最后对学术文本结构功能错分情况进行了分析，指出本研究潜在的应用领域和下一步的研究方向。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-04-01 合作期刊: 《图书情报工作》
摘要： [目的/意义] 实现学术查询意图的自动识别，提高学术搜索引擎的效率。[方法/过程] 结合已有查询意图特征和学术搜索特点，从基本信息、特定关键词、实体和出现频率4个层面对查询表达式进行特征构造，运用Naive Bayes、Logistic回归、SVM、Random Forest四种分类算法进行查询意图自动识别的预实验，计算不同方法的准确率、召回率和F值。提出了一种将Logistic回归算法所预测的识别结果扩展到大规模数据集、提取“关键词类”特征的方法构建学术查询意图识别的深度学习两层分类器。[结果/结论] 两层分类器的宏平均F1值为0.651，优于其他算法，能够有效平衡不同学术查询意图的类别准确率与召回率效果。两层分类器在学术探索类的效果最好，F1值为0.783。
点击量
点击量
下载量
评论
