Page 90 - 《中国图书馆学报》2025年第1期

088 Journal of Library Science in China

在学界的影响力和学术地位 [27] 。 在研究成果方面,科研人员通常关注研究的具体贡献及意义。
因此,为挖掘和组织科技论文中的创新知识,在创新句的基础上,对创新内容进一步结构化,需要
将语料聚焦到更细粒度的层次上,关注创新内容中理论、技术、方法等基本知识单元。
关于情报学领域的理论及方法识别,王昊等将理论术语的词特点总结为包含“定理”“定律”“理
论”“法则”“论”“原理”“框架”“模型”等,将方法术语的词特点总结为包含“法”“方法”“算法”“技
[28] 。 本研究拟对创新内容的过程与思路进行较为细致的描述,若只将实体类型简单划为理论与
术”
方法,最终知识图谱所提供的信息会有局限,因此,本研究对“理论”与“方法”实体类型进一步划分与

归纳,从实际语料出发,通过统计分析创新句语料中语义角色为受事者(即宾语)的词频,来扩充实体
类型。 统计结果显示,在词频数量排名前 30 的词语中,除去关于研究主题及对象(如信息、用户、知
识、网络、舆情、文本等)的词语外,在理论与方法层面出现频次较高的有模型(3 741 次,第 1 名)、方

法(1 747 次,第 6 名)、理论(1 018 次,第 12 名)、技术(623 次,第 18 名)、体系(492 次,第 29 名)、算

法(488 次,第 30 名)。 因此,本研究初步将需要利用深度学习模型来识别的实体类型设定为以上
六种。
除研究内容实体细分类型以外,科研人员也常关注科技论文的研究对象与研究工具。 研究对象
是一篇科技论文的核心所在,是科学活动的落脚点与重要主体。 明确一篇论文的研究对象能够帮助

科研人员更快地了解研究内容。 而研究工具作为科研活动的必备手段,能够有效提升研究效率。
“工欲善其事,必先利其器”,任何一个学科领域都有其常用的研究工具,特别是在大数据时代,对大
数据的处理更是离不开工具的使用。 因此,本研究在实体抽取阶段也需对科技论文创新内容的研究
对象与工具进行抽取。
另外,创新的过程、贡献往往以短句的形式出现,不像理论与方法能够以短语、词汇的形式呈现,
不具有较为明显的实体边界及相对固定的实体长度,对于机器学习而言,较难识别。 同时,在前一阶
段的研究中 [1] ,已经通过对科技论文创新段落进行功能句的定位,筛选出包括创新的过程、贡献在内
的三种功能句,且该数据已与论文实体进行关联。 因此,在知识图谱构建阶段,不再把创新过程与贡

献作为实体类型展开抽取,在后期处理中,会将其与论文实体进行关联展示。
3. 1. 2 关系类型的拟定
科学文献是科学创新的基础 [29] 。 任何创新,都是在前人已有知识和经验的基础上进行的,有研
究表明基础研究与技术创新之间的关联程度比较高 [30] 。 这也表明,在研究创新时,需要关注创新的
来源,即创新基础。 创新成果是科研人员通过科学方法和技术进行科学研究所取得的结果。 研究指
出,在科技创新领域,基础研究界提供科学发现和科学理论等知识形态,为工程技术界提供知识供给
以促进创新成果的出现 [31] 。 由此可知,创新成果是基于一定的科学发现和理论基础而产生,“创新基

础”这一关系反映了“成果”与“基础”之间的联系,用于回答创新成果的基础是什么。 每篇论文中都
包含着许多模型、方法、理论等类型实体,但它们之间存在着角色的差异。 以模型类实体为例,在某
一篇论文中识别出“一阶马尔可夫混合模型” 和“ 用户动作序列模型” 两个实体,但从两者之间的
关系来看,“用户动作序列模型”是作为创新成果出现的,而“一阶马尔可夫混合模型” 是其创新基
础。 当确定了这两个实体的不同角色后,便可理清它们之间的关系指向,当对所有目标语料中的
实体进行关系识别后,便会形成相对丰富的创新网络。 因此,本研究拟抽取实体间创新基础关系,

如图 2a 所示。
为实现“整体性”与“局部性” 创新知识的整合,需要将创新知识命名实体与论文实体关联起

总第五十一卷 第二七五期 Vol. 51. No. 275