基于深度学习的多学科多层次学术论文结构功能识别方法比较研究

摘要：

[目的/意义]学术论文的结构功能是学术论文篇章结构和语义内容的集中体现,目前针对学术论文结构功能的研究主要集中在对学术论文不同层次的识别以及从学科差异性视角探讨模型算法的适用性两方面,缺少模型、学科、层次之间内在联系的比较研究.[方法/过程]选择中医学、图书情报、计算机、环境科学、植物学等学科中文权威刊物发表的学术论文作为实验语料集,在引入CNN、LSTM、BERT等深度学习模型的基础上,分别从句子、段落、章节内容等层次对学术论文进行结构功能识别.[结果/结论]实验结果表明,BERT模型对于不同学科学术论文以及学术论文的不同层次的结构功能识别效果最优,各个模型对于不同学科学术论文篇章内容层次的识别效果均最优,中医学较之其他学科的学术论文结构功能识别效果最优.此外,利用混淆矩阵给出不同学科学术论文结构功能误识的具体情形并分析了误识原因.[创新/局限]本文研究为学术论文结构功能识别研究提供了第一手的实证资料.

关键词：学术论文;结构功能;深度学习;多学科;多层次

所属期刊栏目：39

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家社会科学基金一般项目"大数据环境下面向图书馆资源的跨媒体知识服务研究";2020年度山西省高等学校教学改革创新项目"新工科背景下应用型本科专业教学质量保障体系研究——以软件工程专业为例"

在线出版日期：2021-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：94-102