Page 86 - 《中国图书馆学报》2025年第1期

084 Journal of Library Science in China

识别,完成科技论文创新知识图谱的构建和应用设计。

1 研究综述

1. 1 科技论文创新知识挖掘
结合科研过程对海量科技文献多样的应用需求,学者对科技文献中不同类别的知识进行了挖掘

研究。 研究主要聚焦于科研核心要素的识别与抽取,其中研究问题和解决方法的提取成为关注重点。
[2] [3-5] 以及“问题+方
基于机器学习技术,从文献摘要或全文中实现了“研究问题/ 任务” 、“研究方法”
[6-7] 的知识单元自动化抽取,为科研知识的结构化提供了技术支撑。 为进一步系统化表征科技论
法”
文的核心研究特征,提出“研究设计指纹”的概念框架,通过整合研究问题、方法、流程、工具等多维度
特征,创新性地设计了基于多规则模式混合的学习算法,实现了研究设计的精准识别 [8] 。 在抽取后

的知识呈现方面,运用文本挖掘技术,从科技论文中提取作者的研究思路与技术路径,构建概念地图,
有效降低了读者的信息获取成本 [9] 。 此外,针对理论术语的识别难题,开发了基于深度学习的抽取
模型,充分利用理论术语的语义特征,降低了人工标注的工作量,显著提升了抽取效率 [10] 。 这些研究

为科技论文中的知识挖掘提供了多元化的解决方案。
可见,结合深度学习方法,深入科技论文内部对各类知识单元抽取的研究已颇有进展,这说明对
海量论文文本数据中的知识元进行识别具有可行性。 但目前大多停留在对知识单元的独立识别,对
它们之间关系的识别较少,或是考虑的关系类型较为单一,导致这些知识仍处于较为分散的状态中。
丰富的关联关系亟待进一步探索与挖掘,尤其从创新角度揭示关联关系的探索更待加强。
1. 2 基于知识图谱的科技论文内容挖掘
知识图谱是用一种容易理解的结构化形式将海量数据组织起来,基于所形成的网络关系挖掘出
实体之间的隐藏关联,使后续对这些知识的利用能够更加高效便捷。 近年来,知识图谱技术的应用愈
加广泛且成熟,信息资源管理领域也有许多研究将科技论文中包含的重要知识以学术知识图谱的形
式呈现出来。 其中,又可分为包括作者、机构、期刊和研究领域等论文外部特征信息的学术知识图谱

和以论文研究内容为分析对象的论文内容学术知识图谱。
关于前者的研究,主要聚焦于学术实体关系的挖掘与组织。 如基于大规模学术数据集,构建包含
作者、文献、机构、期刊和研究领域等多维度信息的开放学术知识图谱 [11-12] ;通过整合学术会议、访问
报告等多源数据,构建基于学术社会网络的学术活动知识图谱 [13] ,进一步拓展学术知识图谱的应用

边界。 这类研究不仅实现了学术资源的系统化组织,还为语义检索模型的构建提供了基础支撑。
关于后者的研究,主要将知识图谱运用到对科技论文内容的挖掘与组织当中,获得论文中的隐性
知识。 一方面,利用知识图谱构建论文主题的动态演化框架,揭示学科发展的脉络与趋势 [14] ;另一方

面,通过构建领域知识图谱,深入分析科研实体(如研究问题、方法、理论原理)之间的关系,为跨学科
创新提供新的思路与方法 [15] 。
从研究现状来看,已有学者将知识图谱运用到科技文献内容的挖掘工作中,可见这一方法的应用
具有可行性。 但同时也发现现有研究存在的一些局限:①少有研究从创新视角对科技论文中的实体
以及关联关系进行挖掘和组织,将知识图谱用于科技论文创新评价,更偏向将知识图谱作为对比标准

来判断是否创新,较少直接以创新内容为语料,关注实体间在创新上的关联。 ②实体类型不够丰富,
主要实体类型包括研究问题、方法、对象以及理论,对创新研究的过程、贡献未进行实体挖掘。

总第五十一卷 第二七五期 Vol. 51. No. 275