Page 87 - 《中国图书馆学报》2025年第1期

085
曹树金 闫 颂 李睿婧 曹茹烨:科技论文创新知识图谱构建与应用设计———以情报学期刊论文为例

2 研究设计

2. 1 拟解决的科学问题
以往研究未从创新视角全面揭示论文内容,较少聚焦科技论文的创新知识和情报。 本研究通过
构建科技论文创新知识图谱,从创新视角对大量科技论文进行联合挖掘与组织,将来自同一篇论文和
不同论文的创新知识关联起来,形成具有全局性、整体性网络关系的创新知识图谱,实现对科技论文

中细粒度知识的语义组织,从而更好揭示科技论文中的创新知识并提供检索功能,以回答如何聚焦和
挖掘科技论文中最能支持创新的精准知识和情报这一科学问题。 本研究主要目的是突出创新导向,
以创新为核心对科技论文中的知识和情报进行挖掘和组织,关注科技发展中的创新活动及成果,有助
于更好地帮助用户把握创新规律和趋势,为政策制定、基础研究和技术开发创新、产业布局、企业创新
等提供有力支持。 同时,科技论文创新知识图谱可以为创新主体提供丰富的创新知识资源,反映已有
的创新规律、创新方法,基于创新要素间的潜在关联揭示创新路径,从而为进一步的创新研究和实践
提供借鉴。 为了实现该研究目标,基于现有的科技论文创新知识识别方法与知识图谱构建方法,如语

义角色标注、依存句法分析、深度学习模型等方法,设计科技论文创新知识的本体模型,并进行模型的
初步构建;在此基础上进行创新知识平台应用设计,将海量科技论文中存在的创新知识图谱以可视化
的形式向目标科研用户展示,并为用户提供检索与推荐功能,帮助用户高效且清晰地获取各个创新理
论、创新方法、创新技术的“前世今生”以及“来龙去脉”,从而精准获取所需的科技创新知识和情报,
快速把握领域创新动态、选择创新方向、确定创新方案,提高科技创新效率。 为此,本研究重点探索以
下三个问题:①以何种组织方式和组织逻辑对隐藏在科技论文中的创新知识进行揭示? ②如何从大
量科技论文全文文本中抽取不同细粒度的科技创新知识? ③如何将识别出的各粒度科技创新知识进

行关联与可视化呈现?
2. 2 数据获取

考虑到实验过程中涉及人工数据标注,为保证标注效果,要求标注人员牢固掌握相应学科知识,
因此,仅以情报学这一学科为实验范围。 选取影响因子排名前六位的情报学中文核心期刊为数据来
源,分别是《情报学报》《图书情报知识》 《 现代情报》 《 情报理论与实践》 《 情报资料工作》 《 情报科
学》,从 CNKI 数据库中获取以上期刊在 2020 至 2021 年所发表的 2 295 篇论文全文作为实验数据,将

下载的 PDF 格式文件通过 Python 中的 PDFMiner 工具库转化为 txt 格式文档,便于后续对全文内容的

解析。
因后续研究需要保留文本的段落结构,因此在文本处理阶段对段落的开头进行标注,以便后续的
段落处理。 通过对原始转化语料的归纳发现,段落分隔方式主要有两种:①连续两个换行符,正则表

达式可表示为“ \n \n”;②一个句号加一个换行符,可表示为“。 \n”。 最后将所有文本数据进行句子

分割,逐行进行存储。 完成以上清洗与拆分工作后,共获得 351 628 条句子数据,61 270 条段落数据。
2. 3 研究方法
本研究的核心在于构建科技论文创新知识图谱,需要抽取科技论文中体现创新的知识单元,这一任
务比一般的命名实体抽取更为复杂。 在细粒度知识抽取任务中,命名实体识别方法被广泛应用,经历了

基于词典和规则、基于统计概率、基于机器学习和深度学习三个主要阶段。
本研究聚焦体现创新内容的实体抽取,从标注过程能发现很多创新实体存在字段长、重复性低、

2025 年 1 月 January,2025