基于多语义信息融合的学术文献引文推荐研究

Scholars may encounter the following problems when writing scientific documents: failing to find adequate related work instantly for a given research topic, retrieving appropriate citations to support the research idea, or finding that a research problem has been well established after you spent a lot of efforts on that...This project aims at constructing a theoretical framework of citation recommendation, by defining this task thoroughly and concluding the potential applications comprehensively. The project will be solved from the perspectives of both global citations and local citations, analyzing the factors like citation function (research basis, background, etc.), terminology function (problem, method, tool, etc.) and the logical structure of academic literature (introduction, relate work, method, experiment, conclusion, etc.). As a result, a citation recommendation technique is expected by fusing the above multiple semantic information. In the meantime, the project team will build a citation recommendation prototype system on a certain research domain such as computer science. ..This research is of great importance theoretically and practically. It will exert influences on the research of academic search and knowledge service, and a variety of meaningful applications would be derived.

学者们在进行科学研究，撰写学术论文时，往往会遇到以下问题：1）确定了研究主题，却难以快速找到相关研究成果；2）描述研究背景或者证明观点时，无法找到合适的引文作为支撑材料；3）完成了论文，却发现由于调研的不足，未发现所研究问题早已被他人解决。.本课题尝试构建学术文献引文推荐的理论框架，对引文推荐的任务、应用、引文功能等进行梳理；课题从全局引文推荐和局部引文推荐两个层面，在综合考虑引文功能（研究基础、背景、对比研究等）、词汇功能（标明问题、方法、工具等）、学术文本逻辑结构（绪论、相关研究、方法、实验、结论等）等因素的基础上，研发基于多语义信息融合的引文推荐技术；课题组还将选择计算机科学等领域，构建现实可用的引文推荐系统。.本研究具有较大的理论意义和应用价值：该研究在学术搜索、知识服务等研究领域具有较强的理论创新意义；提出的技术方法以及构建的系统可以广泛应用于多个应用场景。

面对海量的学术文献，如何高效确定相关研究成果变得越发越困难。科研人员在进行科学研究和撰写学术论文时，不可避免地会遭遇以下难题：1）确定了研究主题，却难以快速找到相关研究成果进行辅助研究；2）描述研究背景或者证明观点时，无法找到合适的引文作为论据；3）撰写完成了论文，却发现由于文献调研的不足，该研究问题已被他人解决。以上种种问题，都可以通过引文推荐辅助解决。..本课题的研究目标是构建学术文献引文推荐的理论框架，对学术文献引文推荐的任务、应用、研究模式、引文功能、数据规范等进行系统的梳理和分析。课题立足于对学术文本的深层语义理解，将引文推荐的场景被归纳为两种，依次是全局引文推荐和局部引文推荐。前者针对给定的标题、关键词、摘要（某些时候包括全文），推荐全局参考文献列表；后者针对论文的局部推荐合适的参考文献。本课题的研究重点是实现学术文献引文推荐的智能化、高效化。课题组综合应用信息抽取技术、文本处理技术、细粒度语义标注技术、机器学习等技术，研发高效的智能化引文推荐技术。本课题选取计算机科学等研究领域，构建公共可获取的基于多语义信息融合的学术文献引文推荐系统。..课题组通过人工标注和机器标注相结合的方式，构建细粒度的学术文献引文推荐数据集。基于该数据集，课题组构建了基于深度神经网络的段落内容引文功能识别方法，实验结果表明其具备较高的召回率与准确率。课题组提出了两种新颖、有效的深层神经网络框架结构，分别为基于注意力机制的语义理解模型和精读与略读语义模型。在理解学术文本深层次语义的基础上完成全局引文推荐。课题组提出DivScore算法，并比较了多种推荐不同引文上下文的策略，实验表明该算法在CiteSeerX数据集上获得更多样化的局部引文推荐结果。..本研究具有较大的理论意义和应用价值：该研究在学术检索研究、数字图书馆研究、知识服务研究领域具有较强的理论创新意义；提出的技术以及构建的系统可以广泛应用于多个应用场景。

内容获取失败，请点击重试