基于知識(shí)圖譜的科技論文創(chuàng)新點(diǎn)動(dòng)態(tài)識(shí)別研究

曹樹金 曹茹燁

(中山大學(xué)信息管理學(xué)院，廣東 廣州 510006)

習(xí)近平總書記曾提到，“科技創(chuàng)新，就像撬動(dòng)地球的杠桿”[1]。黨的十八大以來，我國大力實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，努力實(shí)現(xiàn)高水平科技自立自強(qiáng)。為更好地支持創(chuàng)新，圖書館學(xué)情報(bào)學(xué)應(yīng)責(zé)無旁貸地將關(guān)于創(chuàng)新成果的記錄加工為認(rèn)識(shí)創(chuàng)新、引領(lǐng)創(chuàng)新的情報(bào)?？萍颊撐淖鳛榛A(chǔ)研究類科技活動(dòng)的主要成果，是科技創(chuàng)新情報(bào)的源頭。目前，我國科技論文總體產(chǎn)出持續(xù)增長，據(jù)中國科學(xué)技術(shù)信息研究所發(fā)布的《2021年中國科技論文統(tǒng)計(jì)報(bào)告》顯示，我國在國際頂尖期刊中的論文數(shù)量升至世界第2位[2]。高質(zhì)量科技論文的大幅增加使得多樣化的創(chuàng)新觀點(diǎn)和創(chuàng)新性解決方案不斷被提出，同時(shí)也在不斷被替代和更新，體現(xiàn)了科技創(chuàng)新成果具有的價(jià)值時(shí)效性。如何從已有的成果中發(fā)現(xiàn)創(chuàng)新情報(bào)，幫助科研人員準(zhǔn)確把握科技創(chuàng)新規(guī)律，從現(xiàn)有創(chuàng)新中汲取經(jīng)驗(yàn)進(jìn)而提高創(chuàng)新活動(dòng)效率，就需要通過對科技論文創(chuàng)新點(diǎn)的識(shí)別和創(chuàng)新知識(shí)的挖掘來實(shí)現(xiàn)。同時(shí)，科技論文創(chuàng)新點(diǎn)的識(shí)別也有助于從內(nèi)容角度為科學(xué)評價(jià)科技成果的多元價(jià)值提供新的思路，更好地貫徹習(xí)近平總書記關(guān)于“堅(jiān)持正確的科技成果評價(jià)導(dǎo)向”思想[3]，完善科技成果評價(jià)機(jī)制。反之，科技成果評價(jià)的結(jié)果也有利于創(chuàng)新情報(bào)的獲取與利用。

識(shí)別科技論文中的創(chuàng)新點(diǎn)需要先明確創(chuàng)新的含義。關(guān)于論文創(chuàng)新，有學(xué)者認(rèn)為是對已有知識(shí)成分進(jìn)行前所未有的重組[4]，亦或在研究成果中提出一些新概念，比如Heinze T等指出的新現(xiàn)象、新方法、革命性新理論等[5]。根據(jù)Diego I M D等的觀點(diǎn)，一篇論文的創(chuàng)新點(diǎn)是與先前知識(shí)相比的不同之處[6]?？梢?，創(chuàng)新是一個(gè)相對的概念，現(xiàn)有研究的創(chuàng)新是相對于先前研究而言。然而，創(chuàng)新本身及其表述具有復(fù)雜性和多樣性，是隱藏在語義空間的知識(shí)單元。對創(chuàng)新點(diǎn)的挖掘首先需要從語義層面進(jìn)行知識(shí)揭示。目前，最為高效、智能的知識(shí)組織形式為知識(shí)圖譜，它能夠?qū)?shí)體、概念、實(shí)體間關(guān)系轉(zhuǎn)換為基于圖的語義網(wǎng)絡(luò)，并以“實(shí)體—關(guān)系—實(shí)體”的三元組形式表達(dá)?？萍颊撐牡难芯績?nèi)容可以由若干個(gè)三元組進(jìn)行概括，隱藏在研究內(nèi)容中的創(chuàng)新點(diǎn)必然會(huì)在三元組中有所體現(xiàn)，表現(xiàn)為三元組中某一個(gè)或多個(gè)新的元素。

本文將利用知識(shí)圖譜挖掘和呈現(xiàn)特定領(lǐng)域現(xiàn)有科技論文中的知識(shí)元素，作為新發(fā)表論文創(chuàng)新點(diǎn)識(shí)別的比對庫，發(fā)現(xiàn)論文中新出現(xiàn)的實(shí)體或關(guān)系，即創(chuàng)新點(diǎn)。由于科學(xué)技術(shù)是不斷進(jìn)步的，科技創(chuàng)新活動(dòng)是一個(gè)動(dòng)態(tài)過程，將從現(xiàn)階段研究成果中識(shí)別出的創(chuàng)新點(diǎn)補(bǔ)充入知識(shí)圖譜中，可以作為后續(xù)成果創(chuàng)新點(diǎn)抽取的參照，從而實(shí)現(xiàn)科技論文創(chuàng)新點(diǎn)的動(dòng)態(tài)識(shí)別。本文旨在從理論層面進(jìn)一步豐富科技論文知識(shí)抽取與創(chuàng)新識(shí)別的方法，為現(xiàn)有科技成果的創(chuàng)新性評價(jià)提供新思路；從實(shí)踐層面為研究人員提供創(chuàng)新情報(bào)，促進(jìn)更多的科技創(chuàng)新。

1 相關(guān)研究

1.1 科研論文創(chuàng)新點(diǎn)識(shí)別相關(guān)研究

科研論文創(chuàng)新點(diǎn)的識(shí)別包括句子級[7]和知識(shí)元級別[8]的抽取，多采用基于本體、基于規(guī)則或機(jī)器學(xué)習(xí)的方法實(shí)現(xiàn)。Cannon D C等開發(fā)了TIN-X應(yīng)用程序，通過對生物醫(yī)學(xué)文獻(xiàn)的文本挖掘，提供基于本體的創(chuàng)新點(diǎn)識(shí)別[9]。溫有奎等構(gòu)建了科研成果創(chuàng)新點(diǎn)的本體模型，并利用特征詞模式匹配的方法對碎片化科研創(chuàng)新點(diǎn)進(jìn)行動(dòng)態(tài)挖掘[10]。也有學(xué)者以領(lǐng)域詞表和本體中的關(guān)系為基礎(chǔ)構(gòu)建識(shí)別規(guī)則，然后采用基于主題詞重疊度的冗余度計(jì)算方法過濾出創(chuàng)新點(diǎn)[7]。Ert?z L等將論文的創(chuàng)新檢測轉(zhuǎn)化為主題聚類問題，認(rèn)為如果一個(gè)主題下僅涵蓋一篇論文，那么該論文的主題具有創(chuàng)新性，采用的方法是最近鄰聚類算法[11]。溫浩等提出了一種基于機(jī)器學(xué)習(xí)的認(rèn)知分析方法，通過詞匯語義分布一致性分析、謂語動(dòng)詞語義理解、語用功能分類等層面對學(xué)術(shù)文摘的創(chuàng)新點(diǎn)進(jìn)行了挖掘[12]。周海晨等利用BERT深度學(xué)習(xí)模型結(jié)合細(xì)粒度抽取規(guī)則實(shí)現(xiàn)對學(xué)術(shù)論文中創(chuàng)新貢獻(xiàn)短語的識(shí)別[13]。曹樹金等利用BERT深度學(xué)習(xí)模型結(jié)合依存句法分析，識(shí)別論文創(chuàng)新句并提煉出創(chuàng)新對象與創(chuàng)新維度[14]。Amplayo R K等以arXiv開放獲取網(wǎng)站中一定時(shí)間范圍內(nèi)的科技論文作為數(shù)據(jù)集，構(gòu)建了基于作者、關(guān)鍵詞、主題詞等實(shí)體的引用圖譜，當(dāng)新的論文被添加時(shí)圖會(huì)發(fā)生變化，這些變化量體現(xiàn)了該論文的創(chuàng)新點(diǎn)，將其輸入自動(dòng)編碼器神經(jīng)網(wǎng)絡(luò)中可以進(jìn)行創(chuàng)新檢測[15]。

1.2 學(xué)術(shù)領(lǐng)域知識(shí)圖譜的構(gòu)建與應(yīng)用研究

知識(shí)圖譜是2012年由Google提出的概念，其本質(zhì)是一種語義網(wǎng)絡(luò)，可分為通用知識(shí)圖譜和領(lǐng)域知識(shí)圖譜，前者面向全領(lǐng)域，常用于知識(shí)問答與檢索、信息推薦等場景，比如DBpedia、Yago、Wikidata等。領(lǐng)域知識(shí)圖譜則將知識(shí)的覆蓋范圍和使用方式限定于特定領(lǐng)域[16]。近年來，一些科研機(jī)構(gòu)和學(xué)者開始探索學(xué)術(shù)領(lǐng)域知識(shí)圖譜的構(gòu)建與應(yīng)用。云南省高校數(shù)據(jù)科學(xué)與智能計(jì)算重點(diǎn)實(shí)驗(yàn)室構(gòu)建了“基于COVID-19論文集的學(xué)術(shù)知識(shí)圖譜”(OpenKG)，上海交通大學(xué)構(gòu)建了知識(shí)圖譜AceKG，都涵蓋了豐富的學(xué)術(shù)屬性信息，實(shí)體類型涉及論文、作者、機(jī)構(gòu)、研究領(lǐng)域[17]。Zhao H X等基于Text CNN的主題信息抽取模型，自動(dòng)抽取科技文獻(xiàn)的主題、標(biāo)題、狀態(tài)、會(huì)議、組織機(jī)構(gòu)等信息，構(gòu)建技術(shù)領(lǐng)域知識(shí)圖譜[18]。Rossanez A等提出了一種基于規(guī)則的半自動(dòng)方法，從一組生物醫(yī)學(xué)論文的摘要中識(shí)別生物醫(yī)學(xué)命名實(shí)體和關(guān)系，生成知識(shí)圖譜，并將其鏈接到生物醫(yī)學(xué)領(lǐng)域的本體中[19]。Xu R等采用一種半監(jiān)督迭代學(xué)習(xí)方法，從生物醫(yī)學(xué)文獻(xiàn)中提取疾病與疾病風(fēng)險(xiǎn)的關(guān)系對，生成知識(shí)庫用于輔助疾病病因發(fā)現(xiàn)[20]。鐘將等以人工智能、大數(shù)據(jù)等領(lǐng)域的最新科技論文為語料集，構(gòu)建了一個(gè)學(xué)術(shù)知識(shí)圖譜，并設(shè)計(jì)了基于輔助任務(wù)意圖信息增強(qiáng)神經(jīng)網(wǎng)絡(luò)方法的問答系統(tǒng)[21]。此外，有學(xué)者針對圖書情報(bào)領(lǐng)域，分別構(gòu)建了面向?qū)W術(shù)論文創(chuàng)新內(nèi)容[22]和面向知識(shí)問答系統(tǒng)[23]的知識(shí)圖譜。

1.3 知識(shí)抽取相關(guān)研究

知識(shí)抽取是知識(shí)圖譜構(gòu)建的前提和基礎(chǔ)，包括實(shí)體識(shí)別和關(guān)系抽取。命名實(shí)體識(shí)別研究經(jīng)歷了從早期基于規(guī)則與字典的方法，到隱馬爾可夫模型(HMM)、條件隨機(jī)場(CRF)等傳統(tǒng)機(jī)器學(xué)習(xí)方法，再到深度學(xué)習(xí)方法的發(fā)展過程。近年來，不少學(xué)者開始探索深度學(xué)習(xí)模型的結(jié)合或變體，改進(jìn)模型效果。目前使用較為廣泛的有LSTM-CRF[24]、Bi-LSTM-CRF模型[25]，還有適用于小規(guī)模語料集的遷移學(xué)習(xí)模型，比如一些學(xué)者提出的Trans-NER[26]、TrBiLSTM-CRF[27]以及基于遠(yuǎn)程監(jiān)督的深度遷移學(xué)習(xí)命名實(shí)體識(shí)別模型[28]。關(guān)系抽取即通常所說的“三元組”抽取。在關(guān)系抽取的相關(guān)研究中，有學(xué)者采用語義角色標(biāo)注(SRL)[29]、依賴于句法模式的依存句法分析[30]等方法。隨著深度學(xué)習(xí)的發(fā)展，關(guān)系抽取的手段更加多樣化，并通常被作為分類問題處理，即預(yù)先定義好關(guān)系類型的限定域關(guān)系抽取。比如Zhang D等采用遞歸神經(jīng)網(wǎng)絡(luò)(RNN)[31]、Liu C Y等采用卷積神經(jīng)網(wǎng)絡(luò)(CNN)[32]進(jìn)行實(shí)體關(guān)系的識(shí)別與抽取。潘理虎等提出了一種融合位置、詞性和句法依存等信息的分段卷積神經(jīng)網(wǎng)絡(luò)，用于小樣本關(guān)系抽取[33]。除此以外，基于遠(yuǎn)程監(jiān)督的關(guān)系抽取以及實(shí)體關(guān)系的聯(lián)合抽取模型也在不斷被發(fā)掘。

以上研究為本文提供了重要的理論依據(jù)和方法參考。但在科研論文創(chuàng)新點(diǎn)識(shí)別的相關(guān)研究中，大都僅考慮了主題詞、短語等孤立的元素，未考慮到它們之間的語義關(guān)系，并且較少涉及創(chuàng)新點(diǎn)的動(dòng)態(tài)識(shí)別。另外，在現(xiàn)有的學(xué)術(shù)領(lǐng)域知識(shí)圖譜的構(gòu)建與應(yīng)用研究中，較少將其用于學(xué)術(shù)搜索和問答以外的其他場景中，更未發(fā)現(xiàn)將知識(shí)圖譜作為科技論文創(chuàng)新點(diǎn)識(shí)別及科技成果評價(jià)的工具來使用。因此，本研究將以“人工智能+神經(jīng)病學(xué)”交叉領(lǐng)域的中文科技論文為例，從文獻(xiàn)摘要中抽取出代表論文研究問題、方法、技術(shù)要點(diǎn)、結(jié)論等的實(shí)體及關(guān)系集合，構(gòu)建知識(shí)圖譜，并基于所構(gòu)建的知識(shí)圖譜動(dòng)態(tài)識(shí)別中文科技論文的創(chuàng)新點(diǎn)。

2 理論基礎(chǔ)與研究設(shè)計(jì)

2.1 理論基礎(chǔ)

著名的英國情報(bào)學(xué)家布魯克斯于1974年提出了情報(bào)作用于知識(shí)結(jié)構(gòu)的方程K(S)+ΔI=K[S+ΔS][34]。其中，K(S)是個(gè)人原有的知識(shí)結(jié)構(gòu)，ΔI是人們能夠理解并整合到自己原有知識(shí)結(jié)構(gòu)中的情報(bào)，K[S+ΔS]則是新的知識(shí)結(jié)構(gòu)。此方程強(qiáng)調(diào)了ΔI的重要性，這一小部分的情報(bào)帶來的不僅是知識(shí)量的變化，還是整個(gè)知識(shí)結(jié)構(gòu)的改變。在此基礎(chǔ)上，1980年布魯克斯又發(fā)表了《情報(bào)學(xué)基礎(chǔ)》的系列論文，主張情報(bào)學(xué)的核心任務(wù)是探索與組織客觀知識(shí)，并提出了“認(rèn)知地圖”的概念，被稱為“天才設(shè)想”?！罢J(rèn)知地圖”是對文獻(xiàn)中的邏輯內(nèi)容進(jìn)行分析，找到人們在知識(shí)創(chuàng)造過程中相互影響及聯(lián)系的節(jié)點(diǎn)，通過類似地圖的形式直觀展示知識(shí)的有機(jī)結(jié)構(gòu)[35]。有學(xué)者認(rèn)為廣義的認(rèn)知地圖是基于認(rèn)知科學(xué)的人類對事物及其關(guān)系的關(guān)聯(lián)圖示，包括概念地圖、專家地圖、知識(shí)網(wǎng)絡(luò)、社會(huì)網(wǎng)絡(luò)、語義網(wǎng)絡(luò)等[36]。

知識(shí)圖譜作為一種揭示實(shí)體間關(guān)系的語義網(wǎng)絡(luò)，是知識(shí)結(jié)構(gòu)的最新表示形式，也可以看作“認(rèn)知地圖”的高級形態(tài)。本文嘗試將布魯克斯的知識(shí)結(jié)構(gòu)方程擴(kuò)展到一個(gè)領(lǐng)域的知識(shí)結(jié)構(gòu)及其變化來表述創(chuàng)新。利用知識(shí)圖譜呈現(xiàn)特定領(lǐng)域已有研究成果中的知識(shí)結(jié)構(gòu)K(S)，發(fā)現(xiàn)新增成果中的創(chuàng)新情報(bào)(體現(xiàn)為論文中的創(chuàng)新點(diǎn))即ΔI，然后將ΔI添加入K(S)中，形成該領(lǐng)域新的知識(shí)結(jié)構(gòu)。隨著科研創(chuàng)新成果的不斷產(chǎn)出，重復(fù)以上過程，不斷識(shí)別創(chuàng)新點(diǎn)，不斷發(fā)現(xiàn)創(chuàng)新情報(bào)，不斷更新領(lǐng)域知識(shí)結(jié)構(gòu)，有益于領(lǐng)域的持續(xù)創(chuàng)新。

2.2 研究設(shè)計(jì)

2.2.1 研究框架

本研究總體框架如圖1所示。主要分為兩個(gè)階段：一是構(gòu)建交叉學(xué)科領(lǐng)域知識(shí)圖譜；二是基于知識(shí)圖譜識(shí)別科技論文中的創(chuàng)新點(diǎn)并補(bǔ)充知識(shí)庫形成動(dòng)態(tài)識(shí)別機(jī)制。首先，知識(shí)圖譜的構(gòu)建方式有兩種：自頂向下和自底向上。自頂向下需要先定義本體，構(gòu)建模式層，然后將實(shí)體加入知識(shí)庫，即構(gòu)建數(shù)據(jù)層；自底向上的方法則是先對數(shù)據(jù)進(jìn)行分析，抽取出實(shí)體和關(guān)系，進(jìn)行匯總后構(gòu)建上層的模式層。本研究將采用自底向上的方法，選取近年來熱門且筆者較為熟悉的研究領(lǐng)域，即“人工智能+神經(jīng)病學(xué)”中所有的中文科技論文摘要作為語料集。因?yàn)檎ǔ０钪匾母拍詈椭R(shí)，而避免了其他部分理論基礎(chǔ)(背景、相關(guān)研究等理論基礎(chǔ))的干擾[37]。之后，對數(shù)據(jù)進(jìn)行預(yù)處理，包括文獻(xiàn)去重、數(shù)據(jù)清洗、句子切分等步驟。在數(shù)據(jù)收集階段預(yù)留出近期發(fā)表的科技論文作為待分析的對象，其余文獻(xiàn)納入語料集中。在知識(shí)圖譜構(gòu)建模塊，首先需要進(jìn)行知識(shí)抽取，擬采用實(shí)體與實(shí)體關(guān)系聯(lián)合抽取的方法，預(yù)先設(shè)定實(shí)體及關(guān)系類別，采用Bert4keras深度學(xué)習(xí)框架訓(xùn)練知識(shí)抽取模型，抽取出語料集中所有指定類型的三元組。然后進(jìn)行知識(shí)融合、知識(shí)存儲(chǔ)與可視化，構(gòu)建知識(shí)圖譜。最后，采用訓(xùn)練好的知識(shí)抽取模型抽取出待分析論文中的三元組，與知識(shí)圖譜中的實(shí)體及關(guān)系進(jìn)行對比，識(shí)別創(chuàng)新點(diǎn)，并將其補(bǔ)充入知識(shí)圖譜中，如此循環(huán)往復(fù)形成動(dòng)態(tài)識(shí)別模式。

圖1 總體研究框架

2.2.2 知識(shí)抽取

1)定義Schema約束集合。知識(shí)圖譜的最小單元由兩個(gè)節(jié)點(diǎn)及它們之間的關(guān)系構(gòu)成，在NLP領(lǐng)域一般被稱為“SPO三元組”，可表示為(主語，謂語，賓語)，即(Subject，Predicate，Object)，SPO三元組正是知識(shí)抽取的對象。在進(jìn)行實(shí)體關(guān)系抽取任務(wù)之前先定義好需要什么樣的實(shí)體和實(shí)體關(guān)系，而用來描述實(shí)體類型、關(guān)系類型及它們之間搭配的一般模式被稱為“Schema”，如表1所示。

表1 Schema舉例

本文分析的對象是非結(jié)構(gòu)化的文本數(shù)據(jù)，字段的含義、數(shù)量和內(nèi)容等都是不明確的。因此，在定義Schema約束集合時(shí)，主要依據(jù)科技論文摘要的內(nèi)容進(jìn)行提煉。首先，將中國科學(xué)院文獻(xiàn)情報(bào)中心開發(fā)的科技文獻(xiàn)知識(shí)AI引擎(SciAIEngine)作為輔助工具。SciAIEngine提供了科技文獻(xiàn)分類、關(guān)鍵詞識(shí)別及命名實(shí)體識(shí)別等各項(xiàng)功能，可通過平臺(tái)的API接口進(jìn)行使用。本文借助SciAIEngine中的中文科研實(shí)體識(shí)別功能和中文醫(yī)學(xué)領(lǐng)域?qū)嶓w識(shí)別功能，參考兩個(gè)功能模塊實(shí)體識(shí)別的結(jié)果確定實(shí)體的類型，并從摘要內(nèi)容本身確定實(shí)體關(guān)系的類型。其次，對初步定義的實(shí)體及關(guān)系類型進(jìn)行篩選，篩選的標(biāo)準(zhǔn)是能夠反映論文研究問題、方法、主要結(jié)論、關(guān)鍵技術(shù)等內(nèi)容的描述，確定最終的Schema框架。

2)基于Bert4keras的知識(shí)抽取。Bert4keras是一個(gè)開源的基于Keras的文本預(yù)訓(xùn)練框架，可支持BERT、RoBERTa、ALBERT、NEZHA等多種預(yù)訓(xùn)練模型，相較于Google的BERT源碼更加簡潔。在實(shí)際的三元組抽取任務(wù)中，句子結(jié)構(gòu)較為復(fù)雜，從一個(gè)句子中會(huì)抽出多個(gè)三元組。比如“針灸可以治療面癱和神經(jīng)痛”抽取的結(jié)果是1個(gè)S和多個(gè)(P，O)，即(針灸，治療，面癱)和(針灸，治療，神經(jīng)痛)；此外還可以有“多個(gè)S、1個(gè)(P，O)”，如“針灸和熱敷都可以用于治療面癱”，以及“1對(S，O)和多個(gè)P”，如“支氣管鏡可以診斷并治療氣道異物”等各種形式。針對此類復(fù)雜的信息抽取任務(wù)，蘇劍林借鑒了Seq2seq概率圖的思想，先預(yù)測S，之后傳入S來抽取O、P，并采取了一種“半指針—半標(biāo)注”的策略，在關(guān)系分類時(shí)用Sigmoid激活函數(shù)代替Softmax[38]。在此基礎(chǔ)上，他提出了一種基于BERT的三元組抽取模型，并采用Bert4keras進(jìn)行實(shí)現(xiàn)[39]。本文將該深度學(xué)習(xí)框架用于交叉學(xué)科領(lǐng)域知識(shí)抽取任務(wù)中，具體的三元組抽取模型如圖2所示。整體思路為，首先將原始的句子序列轉(zhuǎn)換為id并傳入到Bert的編碼器中，獲得編碼序列后接兩個(gè)二分類的分類器用來預(yù)測主語S；然后基于傳入的S，從編碼序列中抽取出S首尾所對應(yīng)的編碼向量，并以其作為條件，針對編碼序列做一次條件Layer Norm；最后，用經(jīng)過Conditional Layer Normalization后的編碼序列預(yù)測S所對應(yīng)的O和P。圖2所示的例子中需要抽取出兩個(gè)三元組，分別是(腦膠質(zhì)瘤，術(shù)后并發(fā)癥，顱內(nèi)壓增高)、(開顱手術(shù)，治療，腦膠質(zhì)瘤)。在訓(xùn)練階段，采樣1個(gè)S(如腦膠質(zhì)瘤)并傳到下一步訓(xùn)練，抽取出對應(yīng)的O和P，再采樣下一個(gè)S，如此完成對句子中所有三元組的抽取。

圖2 基于Bert的三元組抽取模型結(jié)構(gòu)

2.2.3 知識(shí)融合與存儲(chǔ)

完成“SPO三元組”抽取以后，對缺失的以及重復(fù)的三元組進(jìn)行清洗。通過對照專業(yè)詞典，對一詞多義以及同一實(shí)體的不同表述(如帕金森病和PD)進(jìn)行整合，以消除矛盾和歧義，同時(shí)也可避免因作者對術(shù)語或概念的誤用而導(dǎo)致創(chuàng)新點(diǎn)識(shí)別錯(cuò)誤的問題。最后，利用具有嵌入式、高性能等優(yōu)勢的Neo4j數(shù)據(jù)庫存儲(chǔ)三元組。Neo4j是一種基于JAVA語言開發(fā)的面向網(wǎng)絡(luò)的NoSQL圖形數(shù)據(jù)庫。三元組中的實(shí)體在圖譜中被映射為節(jié)點(diǎn)，實(shí)體關(guān)系則被映射為邊。Neo4j通過后端架構(gòu)對已連接數(shù)據(jù)的檢索、遍歷、增刪及修改等操作進(jìn)行了優(yōu)化。本文在存儲(chǔ)三元組時(shí)，擬通過用于對接Neo4j的Python庫Py2neo實(shí)現(xiàn)。導(dǎo)入數(shù)據(jù)之后，對各個(gè)節(jié)點(diǎn)的顏色進(jìn)行調(diào)整，用于區(qū)分不同類型的實(shí)體，完成知識(shí)圖譜的構(gòu)建與可視化展示。

2.2.4 知識(shí)對比與補(bǔ)充

在完成知識(shí)圖譜的構(gòu)建以后，從近期發(fā)表的單篇科技論文中抽取特定關(guān)系類型的SPO三元組，并與知識(shí)圖譜中的實(shí)體及關(guān)系進(jìn)行對比。對比的方式通過Neo4j圖數(shù)據(jù)庫的查詢語言Cypher實(shí)現(xiàn)。Cypher適用于點(diǎn)對點(diǎn)模式(ad-hoc)的查詢，焦點(diǎn)在于如何從圖中找回。通過Cypher的查詢語句Match()，獲得與任一實(shí)體相關(guān)的所有實(shí)體及其關(guān)系類型，通過對比后去除知識(shí)圖譜中已有的三元組，即重復(fù)的知識(shí)，進(jìn)而識(shí)別出該論文中的創(chuàng)新點(diǎn)。最后，利用Cypher的Create()語句將新的實(shí)體及關(guān)系補(bǔ)充入知識(shí)圖譜中，作為后續(xù)論文創(chuàng)新點(diǎn)識(shí)別的依據(jù)，形成動(dòng)態(tài)識(shí)別模式。

3 實(shí)證研究

3.1 數(shù)據(jù)采集與預(yù)處理

本文的研究對象是“人工智能+神經(jīng)病學(xué)”交叉學(xué)科領(lǐng)域的中文科技論文。為了實(shí)現(xiàn)較高的查全率，選取了中國知網(wǎng)(CNKI)、百度學(xué)術(shù)兩個(gè)綜合性學(xué)術(shù)平臺(tái)，以及萬方醫(yī)學(xué)網(wǎng)、中國生物醫(yī)學(xué)文獻(xiàn)服務(wù)系統(tǒng)(SinoMed)兩個(gè)專業(yè)性學(xué)術(shù)平臺(tái)作為數(shù)據(jù)源。首先，依據(jù)中圖分類號限定檢索范圍，人工智能領(lǐng)域?yàn)門P18(人工智能理論)或TP242.6(智能機(jī)器人)以及它們的下位類目，神經(jīng)病學(xué)領(lǐng)域?yàn)镽749及其下位類，構(gòu)建檢索式((分類號%TP18) OR (分類號%TP242.6)) AND (分類號%R741)。檢索后發(fā)現(xiàn)返回結(jié)果漏檢率較高，因?yàn)槿斯ぶ悄苁怯?jì)算機(jī)科學(xué)的一個(gè)分支，且屬于新興領(lǐng)域，其分類號的賦予沒有很強(qiáng)的邊界。因此，本文同時(shí)采用主題詞檢索的方式作為補(bǔ)充，即(主題=人工智能 OR 智能機(jī)器人 OR AI OR 機(jī)器學(xué)習(xí)OR 深度學(xué)習(xí) OR 人工神經(jīng)網(wǎng)絡(luò) OR 卷積神經(jīng)網(wǎng)絡(luò) OR 循環(huán)神經(jīng)網(wǎng)絡(luò) OR 認(rèn)知計(jì)算 OR 強(qiáng)化學(xué)習(xí)OR 集成學(xué)習(xí) OR 監(jiān)督學(xué)習(xí))，并且文獻(xiàn)分類為神經(jīng)病學(xué)。上述兩種檢索方式均不限制論文發(fā)表的時(shí)間范圍，論文類型選擇期刊論文和學(xué)位論文，檢索日期為2022年1月20日。綜合兩種檢索方式的結(jié)果，將從4個(gè)學(xué)術(shù)平臺(tái)中得到的文獻(xiàn)題錄、摘要導(dǎo)出。之后，對數(shù)據(jù)進(jìn)行清洗，包括去除不同來源的重復(fù)文獻(xiàn)、會(huì)議通知、報(bào)道以及其他不相關(guān)的文獻(xiàn)(如由主題詞AI會(huì)檢索出包含“載脂蛋白AI”的論文)，最終共獲得2 094篇科技論文。

對原始數(shù)據(jù)集進(jìn)行初步清洗后，去除綜述類的論文，并將2021年10月至檢索時(shí)發(fā)表的53篇論文作為待識(shí)別創(chuàng)新點(diǎn)的論文集，剩余的1 783篇作為構(gòu)建知識(shí)圖譜的語料集。最后，通過Python中的re模塊對每篇論文的摘要進(jìn)行分句，調(diào)用split()方法，以中英文的分號、問號、感嘆號、句號等作為分隔符號對句子進(jìn)行切分，并對錯(cuò)誤切分的句子進(jìn)行人工處理，最終共獲得17 100余條句子。

3.2 實(shí)驗(yàn)過程

3.2.1 確定實(shí)體及關(guān)系類型

限定域的信息抽取是預(yù)先定義好實(shí)體關(guān)系類別的抽取任務(wù)。本文在定義Schema約束集合時(shí)，基于SciAIEngine的NER_MED_CN(醫(yī)學(xué)領(lǐng)域科技文獻(xiàn)命名實(shí)體識(shí)別)和NER_SCI_CN(中文科研實(shí)體識(shí)別)功能，識(shí)別出實(shí)體及實(shí)體類型，單篇論文識(shí)別的結(jié)果分別如圖3和圖4所示。由于單篇論文涉及的實(shí)體類型有限，因此采用SciAIEngine的API接口功能，隨機(jī)上傳了50篇論文的摘要，綜合參考兩個(gè)功能模塊的返回結(jié)果，關(guān)系類型的定義則根據(jù)句子描述進(jìn)行提煉。從理論上來講，每個(gè)句子中包含至少1個(gè)三元組，但科技論文摘要的句子結(jié)構(gòu)復(fù)雜，且包含諸多背景信息，如“就目前的醫(yī)療水平，未能明確該病的病因，無法徹底治愈帕金森病，只能在早期控制該病的發(fā)展”一句，從中無法獲取有用的三元組。因此，本文主要依據(jù)“反映論文研究問題、方法、主要結(jié)論、關(guān)鍵技術(shù)”的標(biāo)準(zhǔn)，總結(jié)出了19類需要抽取的三元組，包含10類實(shí)體、19類關(guān)系。此外，科技論文中細(xì)粒度的概念、實(shí)體及關(guān)系都是為了揭示特定研究問題，孤立的三元組意義不大，比如方法A優(yōu)于方法B是在特定的研究問題下得出的結(jié)論。為了解決這一問題，本文補(bǔ)充了另一種三元組類型，即論文—包含—實(shí)體，將屬于同一篇論文的實(shí)體聯(lián)系起來。綜上，本文定義的Schema集合如表2所示。

圖3 NER_MED_CN識(shí)別結(jié)果

圖4 NER_SCI_CN識(shí)別結(jié)果

表2 Schema約束集合

表2(續(xù))

3.2.2 人工標(biāo)注

根據(jù)Schema約束集合，從論文摘要中選取包含預(yù)定義實(shí)體及關(guān)系類型的句子，共有3 635個(gè)，表3列舉了待抽取的句子實(shí)例。因?yàn)閿?shù)據(jù)量較少，為了達(dá)到較好的模型訓(xùn)練結(jié)果，本文將選取較大比例的數(shù)據(jù)(2 635句)進(jìn)行人工標(biāo)注，剩余的1 000條句子用訓(xùn)練好的模型進(jìn)行三元組抽取。數(shù)據(jù)標(biāo)注工作由一名醫(yī)學(xué)信息學(xué)領(lǐng)域的博士完成，之后邀請專家核對。人工標(biāo)注的數(shù)據(jù)以json格式進(jìn)行存儲(chǔ)，具體格式如表4所示。

表3 待抽取三元組的句子舉例

3.2.3 基于Bert4keras深度學(xué)習(xí)模型的知識(shí)抽取

本文采用百度LIC2020的關(guān)系抽取賽道中開源的非官方Baseline進(jìn)行訓(xùn)練，并在Python3.6.3、Tensorflow 1.14平臺(tái)上完成，具體的實(shí)驗(yàn)環(huán)境配置如表5所示。訓(xùn)練時(shí)，將標(biāo)注好的數(shù)據(jù)集以4∶1的比例劃分為訓(xùn)練集(train_data.json)和驗(yàn)證集(dev_data.json)，在訓(xùn)練集上訓(xùn)練模型，在驗(yàn)證集上評估模型。實(shí)驗(yàn)參數(shù)的設(shè)計(jì)為：maxlen=256、epochs=20、batch_size=16、learning_rate=2e-5，加載大規(guī)模中文預(yù)訓(xùn)練模型—24層RoBERTa進(jìn)行訓(xùn)練。模型的好壞通過對驗(yàn)證集中預(yù)測結(jié)果與真實(shí)標(biāo)注的對比實(shí)現(xiàn)，如圖5所示?！皌ext”是待抽取三元組的句子，“spo_list”是人工標(biāo)注的結(jié)果，“spo_list_pred”是深度學(xué)習(xí)模型預(yù)測的結(jié)果，“new”是預(yù)測結(jié)果比標(biāo)注數(shù)據(jù)多出的三元組，“l(fā)ack”是未預(yù)測出的三元組。評價(jià)指標(biāo)采用準(zhǔn)確率(Precision)、召回率(Recall)和f1值，當(dāng)跑完20個(gè)Epoch之后，效果最佳的模型會(huì)被保存。除了24層RoBERTa模型以外，實(shí)驗(yàn)還加載了12層RoBERTa模型、BERT模型、ALBERT模型，對不同預(yù)訓(xùn)練模型進(jìn)行了總結(jié)對比，如表6所示。從中可以看出，最優(yōu)模型是24層RoBERTa。最后，利用最優(yōu)模型對未標(biāo)注的數(shù)據(jù)集進(jìn)行知識(shí)抽取，并進(jìn)行人工校對，糾正預(yù)測錯(cuò)誤的數(shù)據(jù)并補(bǔ)充遺漏的三元組。

表4 數(shù)據(jù)標(biāo)注舉例

表5 實(shí)驗(yàn)環(huán)境配置

表6 知識(shí)抽取模型測試結(jié)果

圖5 驗(yàn)證集預(yù)測結(jié)果示例

3.2.4 知識(shí)融合與存儲(chǔ)

從所有數(shù)據(jù)集中共抽取出7 408個(gè)三元組，加上“論文—包含—實(shí)體”的關(guān)系后，最終共獲得22 224個(gè)三元組?？萍颊撐闹型粚?shí)體有多種表述，如“腦卒中”又稱“中風(fēng)”，“卷積神經(jīng)網(wǎng)絡(luò)”的英文縮寫“CNN”，“功能性步行分級(FAC)”的不同表述“功能性步行量表(FAC)”，因此需要進(jìn)行實(shí)體對齊。該過程是在參考專業(yè)詞庫的基礎(chǔ)上由醫(yī)工交叉領(lǐng)域的學(xué)生輔助完成。之后，將融合后的實(shí)體關(guān)系三元組存儲(chǔ)到Neo4j圖數(shù)據(jù)庫中，采用Py2neo創(chuàng)建節(jié)點(diǎn)和關(guān)系，并通過merge()函數(shù)進(jìn)行實(shí)體匹配，避免重復(fù)創(chuàng)建節(jié)點(diǎn)。在“論文—包含—實(shí)體”的三元組關(guān)系中，為每篇論文賦予序號標(biāo)簽。最終創(chuàng)建的知識(shí)圖譜局部示意圖如圖6所示，從圖中可以直觀地看出，“卷積神經(jīng)網(wǎng)絡(luò)(CNN)”與多個(gè)實(shí)體之間存在直接關(guān)系，被用于預(yù)測“癲癇發(fā)作”、提取“深層語音特征”、識(shí)別“高頻振蕩信號(HFOs)”、分類“顱內(nèi)出血亞類型”等；“腦出血”通過“顱腦CT圖像”診斷，并有研究采用“共享淺層參數(shù)多任務(wù)學(xué)習(xí)方法”對其進(jìn)行分類。圖7是“論文—包含—實(shí)體”的三元組關(guān)系局部示意圖，可以將同屬于一篇論文的實(shí)體聯(lián)系起來，比如第26篇論文中包含了實(shí)體“急性腦卒中”“SVM”“血管內(nèi)取栓(EVT)治療后預(yù)后”“選擇算子(LASSO)回歸模型”“相關(guān)分析”“單因素分析”“血管內(nèi)取栓(EVT)”“最小絕對收縮算子(LASSO)算法”“彌散加權(quán)成像DWI的影像組學(xué)特征”9個(gè)實(shí)體，在整體的知識(shí)圖譜中，這些實(shí)體之間的關(guān)系也可以直觀地獲取，由此可以得出該論文的主要技術(shù)要點(diǎn)為采用支持向量機(jī)(SVM)預(yù)測腦卒中血管內(nèi)取栓(EVT)治療后預(yù)后。圖8是“方法模型—預(yù)測—疾病癥狀”的三元組關(guān)系局部示意圖。從中可以得出，針對同一種疾病癥狀，現(xiàn)有研究都采用了哪些方法模型對其進(jìn)行預(yù)測；而針對同一種方法模型，目前都用于預(yù)測哪些疾病癥狀。

圖6 面向“人工智能+神經(jīng)病學(xué)”領(lǐng)域科技論文的知識(shí)圖譜(局部)

圖7 “論文—包含—實(shí)體”的三元組關(guān)系示意圖(局部)

3.2.5 創(chuàng)新點(diǎn)識(shí)別與知識(shí)補(bǔ)充

1)創(chuàng)新點(diǎn)識(shí)別。將近期發(fā)表的未納入知識(shí)圖譜中的53篇論文作為創(chuàng)新點(diǎn)識(shí)別的實(shí)驗(yàn)對象，針對每篇論文抽取預(yù)定義類型的三元組，然后與知識(shí)圖譜進(jìn)行對比。以2021年11月發(fā)表的論文“基于LSTM-SVM模型和SNP遺傳信息的帕金森疾病識(shí)別問題研究”為例，從摘要中抽取的三元組包括“LSTM-SVM模型—檢測—帕金森疾病”“LSTM-SVM模型—采用—單核苷酸多態(tài)性(SNP)數(shù)據(jù)”“LSTM網(wǎng)絡(luò)—自動(dòng)提取—SNP關(guān)鍵特征”。利用Neo4j中的Match()函數(shù)構(gòu)造查詢語句match(n:‘疾病癥狀’{name:‘帕金森病(PD)’})<-[r:‘檢測’]-(p)return p,n,r，即利用關(guān)系和終點(diǎn)查詢起點(diǎn)，結(jié)果如圖9所示?，F(xiàn)有研究中用于檢測“帕金森病(PD)”的方法模型有DNN(深度神經(jīng)網(wǎng)絡(luò))、決策樹、深度卷積神經(jīng)網(wǎng)絡(luò)、基于時(shí)間的長短期記憶網(wǎng)絡(luò)(LSTM)、SVM、AdaBoost等，但未發(fā)現(xiàn)將LSTM和SVM聯(lián)合使用的模型。其次，利用查詢語句match(n)--(p:‘?dāng)?shù)據(jù)資料’{name:‘單核苷酸多態(tài)性(SNP)數(shù)據(jù)’}) return n 或者match(n)--(p:‘?dāng)?shù)據(jù)資料’{name:‘SNP數(shù)據(jù)’}) return n查詢所有和p有連線的節(jié)點(diǎn)，未發(fā)現(xiàn)基于此類數(shù)據(jù)利用人工智能方法檢測帕金森病的相關(guān)中文論文。最后，通過match(n)<-[r:‘檢測’]-(p:‘方法模型’{name:‘長短期記憶(LSTM)網(wǎng)絡(luò)’}) return n語句，查詢是否已有研究采用LSTM模型提取SNP特征，結(jié)果是否定的。因此，上述3個(gè)三元組便反映了該論文的創(chuàng)新點(diǎn)。2021年12月發(fā)表的論文“鏡像療法聯(lián)合下肢康復(fù)機(jī)器人治療對腦卒中偏癱患者下肢運(yùn)動(dòng)和平衡功能的影響”摘要中涵蓋的三元組有：“鏡像療法聯(lián)合下肢康復(fù)機(jī)器人—輔助康復(fù)—腦卒中偏癱患者”“下肢康復(fù)機(jī)器人—改善—下肢步行能力”“下肢康復(fù)機(jī)器人—改善—平衡功能”，通過同樣的方法與知識(shí)圖譜中的三元組進(jìn)行匹配，發(fā)現(xiàn)這些實(shí)體及關(guān)系均已存在，因此該論文在預(yù)定義類型的知識(shí)框架中沒有相應(yīng)的創(chuàng)新點(diǎn)。

圖9 檢測關(guān)系中尾實(shí)體“帕金森病(PD)”對應(yīng)的頭實(shí)體查詢結(jié)果

在創(chuàng)新點(diǎn)識(shí)別的過程中，可以挖掘出更深層次的知識(shí)。如根據(jù)帕金森疾病的現(xiàn)有檢測方法與其他疾病節(jié)點(diǎn)之間的聯(lián)系，推測這些疾病與帕金森的共性，發(fā)現(xiàn)與這些疾病相連的其他方法模型、治療手段，以及各類方法模型之間的性能對比等。利用知識(shí)圖譜各節(jié)點(diǎn)之間錯(cuò)綜復(fù)雜的關(guān)系，幫助研究人員挖掘更多的隱性知識(shí)，通過現(xiàn)有知識(shí)重組或引入新理論、新方法、新的研究對象等方式實(shí)現(xiàn)多維度的科技創(chuàng)新。對于識(shí)別出的創(chuàng)新點(diǎn)，從單篇論文來看是概括和提煉出的創(chuàng)新情報(bào)元素。從整個(gè)研究領(lǐng)域而言，在時(shí)間維度上將不同論文之間的創(chuàng)新點(diǎn)關(guān)聯(lián)起來可反映領(lǐng)域創(chuàng)新演化的過程，形成一種創(chuàng)新情報(bào)鏈，揭示創(chuàng)新的發(fā)展規(guī)律，可以為科研人員提供知識(shí)結(jié)構(gòu)化、網(wǎng)絡(luò)化視角下的創(chuàng)新借鑒。此外，這些創(chuàng)新點(diǎn)也可以作為科技論文創(chuàng)新性評價(jià)的依據(jù)。

2)創(chuàng)新點(diǎn)識(shí)別效果評估。為評估上述方法在科技論文創(chuàng)新點(diǎn)識(shí)別中的效果，特邀請3名生物醫(yī)學(xué)工程領(lǐng)域的專家，利用自身經(jīng)驗(yàn)從53篇論文中提煉出創(chuàng)新點(diǎn)，并與該方法識(shí)別出的結(jié)果進(jìn)行對比。經(jīng)過3輪征詢統(tǒng)一專家意見，最后共提取出50個(gè)創(chuàng)新點(diǎn)，分布在25篇論文中。通過本研究方法共抽取出196個(gè)三元組，識(shí)別出47個(gè)創(chuàng)新點(diǎn)，分布在24篇論文中。如果以專家判斷為準(zhǔn)，識(shí)別錯(cuò)誤(即非創(chuàng)新點(diǎn)識(shí)別為創(chuàng)新點(diǎn))的有1個(gè)，遺漏的有4個(gè)，識(shí)別的精確率為97.87%(46/47)，召回率為92%(46/50)?？偨Y(jié)原因，可能與三元組抽取的局限性有關(guān)，比如句子“根據(jù)臨床背景歸納離散型變量類型并進(jìn)行編碼，統(tǒng)一連續(xù)性變量取值”中主謂賓不明確，無法抽出有用的三元組，進(jìn)而會(huì)對創(chuàng)新點(diǎn)識(shí)別產(chǎn)生影響。

3)知識(shí)補(bǔ)充。對新發(fā)表的論文識(shí)別出創(chuàng)新點(diǎn)以后，通過Neo4j中的Create()方法將新的實(shí)體及關(guān)系補(bǔ)充入知識(shí)圖譜中，比如create(p:‘方法模型’{name:‘LSTM-SVM模型’})-[:檢測]->(n:‘疾病癥狀’{name:‘帕金森病(PD)’})。對于特定學(xué)科領(lǐng)域，每發(fā)表一篇科技論文，在識(shí)別其創(chuàng)新點(diǎn)之后將其補(bǔ)充入知識(shí)圖譜，如此循環(huán)往復(fù)形成一種動(dòng)態(tài)識(shí)別的模式，實(shí)時(shí)監(jiān)測領(lǐng)域科技創(chuàng)新發(fā)展的動(dòng)態(tài)。情報(bào)機(jī)構(gòu)可以根據(jù)知識(shí)圖譜實(shí)時(shí)更新的結(jié)果為研究人員提供創(chuàng)新情報(bào)推送服務(wù)，為研究人員對

已有創(chuàng)新的借鑒、對前沿技術(shù)的研判提供支撐，為科技政策制定者、高校、高新技術(shù)企業(yè)等各類創(chuàng)新主體提供決策支持。

4 討論分析

本研究利用知識(shí)圖譜對“人工智能+神經(jīng)病學(xué)”領(lǐng)域科技論文中的知識(shí)進(jìn)行了細(xì)粒度地揭示、描述及關(guān)聯(lián)，并實(shí)現(xiàn)了科技論文創(chuàng)新點(diǎn)的動(dòng)態(tài)識(shí)別。該方法的優(yōu)勢主要體現(xiàn)在以下幾個(gè)方面：

1)創(chuàng)新科技論文的知識(shí)組織方式。提供了一種從非結(jié)構(gòu)化數(shù)據(jù)中抽取、整合知識(shí)的技術(shù)方案，構(gòu)建了基于論文內(nèi)容而非外部特征(如題名、作者、單位等)的知識(shí)圖譜，對同一領(lǐng)域的研究成果進(jìn)行知識(shí)關(guān)聯(lián)，能夠深層次、直觀地揭示現(xiàn)有研究問題、研究方法、理論基礎(chǔ)、結(jié)論等創(chuàng)新要素。

2)發(fā)現(xiàn)創(chuàng)新情報(bào)、動(dòng)態(tài)監(jiān)測并推動(dòng)科技創(chuàng)新。面向特定領(lǐng)域研究成果的知識(shí)圖譜全面揭示了該領(lǐng)域的研究問題、技術(shù)與方法等創(chuàng)新要素及其潛在關(guān)聯(lián)，一方面有助于發(fā)掘創(chuàng)新情報(bào)，分析現(xiàn)有研究從哪些角度進(jìn)行了創(chuàng)新，從而為后續(xù)創(chuàng)新提供借鑒；另一方面，通過與知識(shí)圖譜的對比可以判斷最新研究成果中是否出現(xiàn)了新的觀點(diǎn)、技術(shù)或方法，重復(fù)創(chuàng)新點(diǎn)的識(shí)別與填充，能夠動(dòng)態(tài)監(jiān)測該領(lǐng)域的科研創(chuàng)新。最重要的是，研究人員可以根據(jù)知識(shí)圖譜中實(shí)體及其相互聯(lián)系，發(fā)現(xiàn)創(chuàng)新的突破口。比如，現(xiàn)有研究中預(yù)測癲癇發(fā)作的AI方法有哪些，并根據(jù)“論文—包含—實(shí)體”的關(guān)系鎖定采用這些方法的文章，獲悉其分析對象是病歷數(shù)據(jù)、腦電數(shù)據(jù)亦或是磁共振影像數(shù)據(jù)，從而獲得新的啟發(fā)。通過重用領(lǐng)域知識(shí)，從知識(shí)重組、提出新方法或面向新的研究對象等方面找到科技創(chuàng)新的切入點(diǎn)。

3)助力科技論文創(chuàng)新性評價(jià)。一方面，在期刊審稿與選稿過程中，該方法能夠通過單篇論文與領(lǐng)域知識(shí)圖譜匹配的方式快速識(shí)別論文創(chuàng)新點(diǎn)，一定程度上可以節(jié)省專家評審論文的時(shí)間與精力；另一方面，知識(shí)圖譜對特定研究領(lǐng)域全景式的知識(shí)揭示，可以彌補(bǔ)專家自身知識(shí)結(jié)構(gòu)中的模糊空間，有助于兼顧論文創(chuàng)新性評價(jià)的客觀性與科學(xué)性。

然而，本研究在實(shí)證部分也存在一些局限：首先，數(shù)據(jù)采集過程中，從4個(gè)學(xué)術(shù)平臺(tái)獲取數(shù)據(jù)集，同時(shí)也不斷調(diào)整和改善檢索方式，盡可能地提高查全率。但由于網(wǎng)絡(luò)學(xué)術(shù)資源的分散性、異源異構(gòu)性以及獲取權(quán)限的問題，并不能覆蓋特定領(lǐng)域的全部中文科技論文。其次，知識(shí)抽取是在預(yù)設(shè)實(shí)體及關(guān)系類型前提下的限定域抽取，并不能反映論文中的所有知識(shí)點(diǎn)。針對上述問題，待識(shí)別創(chuàng)新點(diǎn)的論文與知識(shí)圖譜構(gòu)建的論文集來源渠道、獲取方式一致，對比的三元組類型一致，因此研究結(jié)果是可靠的，但仍然需要不斷探索解決方案，比如嘗試開放域的知識(shí)抽取方法，擴(kuò)大數(shù)據(jù)收集范圍等。

5 總結(jié)與展望

基于知識(shí)圖譜識(shí)別科技論文的創(chuàng)新點(diǎn)，對于促進(jìn)科學(xué)研究的創(chuàng)新發(fā)展具有重要意義。研究主要得出以下結(jié)論：基于“半指針—半標(biāo)注”策略的Bert4keras深度學(xué)習(xí)模型能夠有效抽取科技論文中的細(xì)粒度知識(shí)，準(zhǔn)確率較高；將知識(shí)圖譜應(yīng)用于科技論文創(chuàng)新點(diǎn)的動(dòng)態(tài)識(shí)別任務(wù)中具有一定的可行性，效果良好。

基于研究結(jié)論，提出以下建議：在現(xiàn)有的學(xué)術(shù)資源檢索系統(tǒng)中，參考該方法嵌入知識(shí)問答和創(chuàng)新情報(bào)推送的功能模塊。一方面，針對特定研究領(lǐng)域，基于知識(shí)圖譜中潛在的知識(shí)關(guān)聯(lián)，為科研人員提供關(guān)于具體研究問題、研究方法、研究對象以及研究結(jié)論的自動(dòng)問答服務(wù)，把握該領(lǐng)域研究進(jìn)展；另一方面，監(jiān)測某一領(lǐng)域的科技創(chuàng)新情況，發(fā)現(xiàn)并向研究人員提供創(chuàng)新性科技論文、細(xì)粒度的創(chuàng)新點(diǎn)、獨(dú)特的創(chuàng)新視角等情報(bào)，幫助他們從已有創(chuàng)新中啟發(fā)新的研究思路。同時(shí)，這兩項(xiàng)功能也可以作為專家評審論文的借鑒。

本研究存在的不足主要體現(xiàn)在：僅采用交叉學(xué)科領(lǐng)域的中文科技論文摘要作為研究對象，數(shù)據(jù)覆蓋范圍有限，抽取的實(shí)體及關(guān)系類型有限，普適性不夠強(qiáng)。在后續(xù)的研究中，將進(jìn)一步擴(kuò)大研究范圍，拓展學(xué)科領(lǐng)域，結(jié)合論文摘要與總結(jié)探索更多樣的實(shí)體關(guān)系類型，使該方法具有更廣泛的適用性。