基于深度主动学习的科技文献摘要结构功能识别研究

摘要：

[目的]探究不同深度主动学习方法对科技文献摘要的结构功能识别效果和标注成本.[方法]提出基于主动学习和序列标注的科技文献摘要结构功能识别方法,构建考虑句间上下文序列信息的SciBERT-BiLSTM-CRF模型(SBCA),然后分别提出基于摘要单句和摘要全文两个维度的基于不确定性的主动学习策略,并在PubMed 20K数据集上进行实验.[结果]SBCA模型具有最佳的识别效果,与不考虑序列信息仅使用SciBERT模型相比,F1值提升了11.93个百分点.使用基于整篇摘要的最小置信度策略达到SBCA模型的最优F1值仅需使用60％数据,使用基于单句的最小置信度策略达到SBCA模型的最优F1值仅需使用65％数据.[局限]本研究中仅构建了基于不确定性的主动学习查询策略,未考虑构建其他类别的查询策略.[结论]基于深度主动学习的方法有助于在更低注释成本的前提下进行摘要结构功能识别.

关键词：深度学习、文献结构功能识别、语步、主动学习、知识组织

所属期刊栏目：8

分类号：G35(情报学、情报工作)

在线出版日期：2024-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：44-55