Microsoft Word - 3--张帆_new_.doc

Transcription

1 领 域 科 技 文 献 创 新 点 句 中 主 题 属 性 实 例 * 识 别 方 法 研 究 张 帆 1,2 乐 小 虬 1 1 ( 中 国 科 学 院 文 献 情 报 中 心 北 京 ) 2 ( 中 国 科 学 院 大 学 北 京 ) 摘 要 : 目 的 识 别 创 新 点 句 中 主 题 属 性 实 例, 进 一 步 挖 掘 创 新 点 句 中 的 知 识 关 系 方 法 采 用 语 义 角 色 标 注 以 及 依 存 句 法 分 析 方 法, 借 助 领 域 本 体 中 属 性 类 目 下 主 题 词, 从 依 存 树 中 识 别 创 新 点 句 中 的 核 心 主 题 词 以 及 属 性 实 例 ; 针 对 依 存 句 法 分 析 的 特 征, 设 计 组 合 术 语 识 别 模 块 以 及 连 接 词 关 系 识 别 模 块 以 改 善 识 别 效 果 结 果 创 新 点 句 中 核 心 主 题 词 识 别 的 F 值 达 到 77.94%; 创 新 点 句 中 属 性 实 例 识 别 的 平 均 F 值 在 90% 左 右 局 限 使 用 Stanford 依 存 句 法 分 析 工 具 对 肿 瘤 领 域 进 行 句 法 分 析 造 成 的 偏 差 影 响 识 别 效 果 ; 使 用 NCIt 本 体 属 性 类 别 时, 有 待 进 一 步 过 滤 与 规 范 结 论 实 验 结 果 表 明, 该 方 法 对 领 域 创 新 点 句 中 的 主 题 属 性 实 例 具 有 较 好 的 识 别 效 果 关 键 词 : 领 域 本 体 语 义 角 色 标 注 依 存 句 法 分 析 属 性 实 例 分 类 号 : TP393 1 引 言 学 术 论 文 是 研 究 者 研 究 中 创 新 成 果 的 文 字 体 现 [1], 对 领 域 论 文 中 创 新 点 句 的 识 别 与 整 合 有 助 于 研 究 者 迅 速 把 握 当 前 研 究 方 向 的 主 要 研 究 进 展 和 突 破 点 句 子 是 创 新 点 描 述 的 基 本 单 元, 内 含 丰 富 的 主 题 属 性 信 息, 可 以 深 度 揭 示 创 新 点 内 容 因 此, 识 别 创 新 点 句 中 的 属 性 实 例, 从 细 粒 度 上 挖 掘 领 域 创 新 点 的 知 识 结 构 及 其 内 容 是 创 新 点 挖 掘 的 重 要 手 段 文 献 [2] 利 用 领 域 本 体 与 语 言 规 则 从 科 技 文 献 中 识 别 可 以 揭 示 论 文 创 新 点 的 新 知 识 声 明 句, 但 该 研 究 还 没 有 揭 示 创 新 点 句 的 内 部 具 体 主 题 概 念 的 知 识 关 系, 缺 乏 对 创 新 点 句 的 有 效 组 织 和 利 用 为 了 解 决 这 一 问 题, 本 文 以 肿 瘤 领 域 为 例, 从 识 别 创 新 点 句 中 的 主 题 入 手, 将 句 子 中 蕴 含 的 创 新 知 识 进 一 步 拆 分 和 细 化 本 文 中 的 主 题 是 指 借 助 领 域 本 体 或 词 表 识 别 出 的 具 有 层 级 关 系 的 主 题 词, 通 过 梳 理 创 新 点 句 中 主 题 的 语 义 关 系 以 及 属 性 实 例, 挖 掘 领 域 科 技 文 献 中 创 新 点 句 内 部 的 知 识 关 系, 为 创 新 点 句 的 进 一 步 利 用 和 组 织 奠 定 基 础 2 相 关 工 作 属 性 抽 取 隶 属 于 细 粒 度 知 识 抽 取 的 研 究 范 畴, 以 揭 示 实 体 之 间 的 关 系 将 分 散 的 实 体 关 联 起 来 为 目 标 就 抽 取 对 象 类 型 而 言, 属 性 抽 取 主 要 分 为 对 实 体 ( 如 人 物 [3] [4] 商 品 等 ) 的 属 性 抽 取 以 及 对 概 念 的 属 性 抽 取 [5], 其 中 针 对 概 念 的 属 性 抽 取 又 可 分 为 通 俗 概 念 的 属 性 抽 取 以 及 学 术 概 念 的 属 性 抽 取 [5-6] 本 文 研 究 对 象 为 肿 瘤 领 域 论 文 创 新 点 句, 待 抽 取 对 象 为 学 术 概 念 ( 领 域 概 通 讯 作 者 : 张 帆, ORCID: , zhangf@mail.las.ac.cn * 本 文 系 十 二 五 国 家 科 技 支 撑 计 划 重 点 项 目 子 课 题 基 于 文 献 知 识 网 络 的 领 域 学 术 关 系 研 究 与 示 范 ( 项 目 编 号 :2011BAH10B06-04) 的 研 究 成 果 之 一 XIANDAI TUSHU QINGBAO JISHU 15

2 研 究 论 文 念 ) 的 属 性 实 例, 对 生 物 医 学 领 域 而 言, 其 领 域 概 念 也 可 理 解 为 一 系 列 生 物 医 学 命 名 实 体 [7] ( 如 基 因 蛋 白 质 疾 病 等 ) 因 此, 本 文 从 领 域 学 术 概 念 属 性 抽 取 以 及 领 域 命 名 实 体 的 属 性 识 别 两 方 面 对 属 性 抽 取 的 相 关 研 究 进 行 介 绍, 后 者 将 聚 焦 在 生 物 医 学 领 域 中 生 物 医 学 命 名 实 体 的 属 性 识 别 生 物 医 学 领 域 中 识 别 生 物 医 学 命 名 实 体 属 性 时, 采 用 的 方 法 以 自 然 语 言 处 理 技 术 与 机 器 学 习 相 结 合 的 方 式 为 主, 但 其 中 自 然 语 言 处 理 程 度 不 尽 相 同 (1) 基 于 规 则 的 方 法 采 用 手 工 或 者 自 动 构 建 的 方 式, 识 别 关 系 与 概 念 [8] 之 间 的 语 言 模 式 并 依 此 制 定 抽 取 规 则 Jones 等 以 纳 米 医 学 领 域 文 献 为 实 验 对 象, 由 领 域 专 家 从 相 关 领 域 本 体 中 选 定 树 枝 状 分 子 相 关 的 属 性, 在 GATE 中 手 工 标 注 部 分 属 性 和 属 性 值, 并 利 用 GATE 中 的 JAPE 语 法 规 则 文 件 书 写 规 则, 结 合 ANNIE 组 件 实 现 属 性 及 其 对 [9] 应 数 值 型 属 性 值 的 抽 取 Fundel 等 从 100 万 MEDLINE 摘 要 中 提 取 基 因 蛋 白 质 关 系, 针 对 关 系 描 述 在 句 法 分 析 结 果 中 呈 现 的 特 征, 制 定 三 条 抽 取 候 选 关 系 的 规 则 : A-relation-B; relation-of-a-by-b; relation-between-a-and- B, 利 用 基 于 规 则 的 方 法 从 句 法 分 析 的 结 果 中 选 取 候 选 关 系 对 ; 并 在 此 基 础 上 制 定 过 滤 规 则 去 除 不 符 合 条 件 的 关 系 对 其 局 限 在 于 : 需 要 编 制 限 定 候 选 关 系 词 表 对 候 选 关 系 进 行 限 定 ( 人 工 选 定 ); 开 源 词 性 标 注 工 具 的 使 用 可 能 会 造 成 一 定 的 错 误 率 有 限 的 关 系 词 限 定 词 表 会 造 成 召 回 率 的 损 失 等 为 了 改 善 大 量 人 工 干 [10] 预 所 带 来 的 不 便, Tang 等 将 少 量 人 工 处 理 后 的 样 本 模 式 作 为 种 子, 采 用 基 于 统 计 和 机 器 学 习 的 方 法 自 动 构 建 识 别 模 式 (2) 基 于 机 器 学 习 的 方 法 将 属 性 抽 取 问 题 转 化 为 分 类 问 题 或 标 注 问 题, 需 选 取 特 定 特 征 并 利 用 预 先 标 注 好 的 数 据 训 练 模 型 [11-12] Pechsiri 等 以 句 子 或 基 本 话 语 单 元 为 单 位, 从 问 答 系 统 中 回 答 疾 病 治 疗 的 相 关 技 术 文 本 中 识 别 草 药 的 医 药 学 属 性 ( 该 药 物 的 生 理 效 应 或 作 用 疾 病 ) 采 用 基 于 自 然 语 言 处 理 和 统 计 的 方 法 识 别 文 本 中 草 药 的 医 药 学 属 性 ; 考 虑 到 技 术 文 本 描 述 草 药 生 理 效 应 时 存 在 动 词 省 略 和 结 束 线 索 词 省 略 现 象, 利 用 基 于 机 器 学 习 的 方 法 确 定 该 属 性 的 边 界 该 方 法 识 别 属 性 边 界 时 需 要 大 量 人 工 标 注 产 生 训 练 集 ; 没 有 考 虑 动 词 的 上 下 文 环 境, 造 成 部 分 边 界 的 识 别 错 误 ; 此 外, 应 用 范 围 较 窄, 对 问 答 系 统 中 针 对 草 药 属 性 或 特 性 问 题 回 答 的 技 术 文 本 有 较 好 效 果 [13-14] Feng 等 以 神 经 医 学 领 域 中 示 踪 实 验 数 据 记 录 为 抽 取 对 象, 采 用 一 种 双 层 的 CRF 识 别 记 录 中 的 语 义 属 性 信 息, 利 用 词 序 列 的 标 注 解 决 属 性 抽 取 问 题 : 利 用 一 个 句 子 级 的 CRF 模 型 标 注 句 子, 特 征 项 包 括 词 汇 知 识 当 前 词 语 所 属 范 围 临 近 词 语 以 及 依 存 特 征 5 项, 定 义 的 语 义 属 性 包 括 注 射 位 置 化 学 示 踪 剂 标 注 位 置 标 注 描 述 4 种 ; 在 此 基 础 上, 构 建 基 于 句 子 级 的 CRF 属 性 标 注 和 当 前 词 语 相 结 合 的 语 言 模 型 ( 如 三 元 组 location-of-<tracerchemical>), 并 认 为 该 语 言 模 型 可 以 在 一 定 程 度 上 揭 示 示 踪 实 验 记 录 的 结 构 该 方 法 的 不 足 有 : 采 用 有 监 督 的 识 别 方 法, 依 赖 人 工 标 注 训 练 集 ; 没 有 充 分 考 虑 和 利 用 相 关 的 领 域 本 体 知 识 等 除 生 物 医 学 领 域 之 外, 领 域 概 念 或 领 域 命 名 实 体 属 性 抽 取 在 其 他 自 然 科 学 领 域 以 及 社 会 科 学 领 域 皆 有 较 为 广 泛 的 应 用 在 自 然 科 学 领 域 中 ( 如 计 算 机 [15] 植 物 学 [16] [17] 纳 米 材 料 学 等 ), 领 域 命 名 实 体 属 性 抽 取 通 常 在 本 体 构 建 问 答 系 统 自 动 摘 要 系 统 中 起 到 重 要 [15] 作 用 其 中 较 为 有 代 表 性 的 研 究 有 : Pham 等 利 用 基 于 涟 波 下 降 规 则 的 方 法 构 建 文 本 标 注 规 则, 该 规 则 的 基 本 形 式 为 IF THEN, 其 中 称 为 条 件, 称 为 结 论 规 则 的 条 件 部 分 包 括 标 注 模 式 和 标 注 限 定 两 部 分 : 标 注 模 式 部 分 利 用 预 先 规 定 好 的 标 注 类 别, 采 用 正 则 表 达 式 书 写 规 则 ; 标 注 限 定 部 分 限 定 了 不 同 标 注 类 别 的 具 体 特 征 值 规 则 的 结 论 部 分 即 对 文 本 分 类 的 结 果 [16,18] Pechsiri 等 将 问 题 聚 焦 在 植 物 领 域 概 念 实 体 的 因 果 属 性 上, 并 认 为 特 定 实 体 的 原 因 和 结 果 描 述 由 因 果 关 系 动 词 链 接, 重 点 识 别 以 因 果 关 系 动 词 作 为 连 接 词 的 原 因 与 结 果, 标 注 格 式 为 动 词 原 因 或 结 果, 利 用 贝 叶 斯 分 类 器 判 断 动 词 是 否 为 因 果 性 动 词, 利 用 SVM [17] 判 断 每 个 动 词 对 应 的 描 述 是 否 是 原 因 或 结 果 Xiao 等 以 纳 米 材 料 对 环 境 的 影 响 为 研 究 点, 预 先 选 定 与 纳 米 毒 害 性 相 关 的 6 种 实 体 以 及 3 种 属 性, 在 提 取 实 体 与 属 性 之 间 的 关 系 以 及 属 性 值 时, 为 避 免 数 据 表 或 句 子 造 成 的 稀 疏 性, 选 取 段 落 作 为 抽 取 对 象 在 社 会 科 学 领 域, 部 分 学 术 概 念 属 性 较 为 抽 象 或 具 有 主 观 性 [6], 抽 取 前 需 确 定 属 性 的 各 类 特 征 ( 如 语 言 描 述 特 征 以 及 位 置 分 布 特 征 等 ) 代 表 性 的 研 究 有 : 丁 16 现 代 图 书 情 报 技 术

3 [6] 君 军 等 采 用 人 工 阅 读 的 方 法 从 情 报 学 文 献 中 识 别 描 述 学 术 概 念 属 性 的 句 子, 分 析 其 中 的 语 言 描 述 特 征 并 进 行 统 计 和 归 类, 在 此 基 础 上 构 建 规 则 并 对 规 则 进 行 优 化 和 噪 声 处 理, 并 对 抽 取 的 属 性 描 述 进 行 情 感 分 析, 抽 取 最 好 结 果 的 准 确 率 召 回 率 以 及 F 值 都 在 60% 左 [19] 右 ; 王 璐 等 发 现 学 术 定 义 中 蕴 含 该 学 术 概 念 的 领 域 属 性 与 区 别 属 性, 因 此 采 用 一 种 基 于 术 语 共 现 的 方 法 从 市 场 营 销 文 献 中 抽 取 术 语 的 属 性, 将 在 定 义 中 与 学 术 概 念 共 现 的 术 语 作 为 候 选 属 性, 学 术 概 念 与 其 属 性 共 现 矩 阵 的 权 值 反 映 概 念 与 对 应 属 性 的 共 现 概 率, 进 一 步 可 确 定 属 性 的 重 要 程 度 或 核 心 程 度 3 创 新 点 句 中 主 题 属 性 实 例 识 别 方 法 针 对 创 新 点 句 中 分 散 的 领 域 主 题 词 以 及 属 性, 借 助 领 域 知 识 实 现 句 子 中 主 题 词 的 识 别 和 属 性 实 例 ( 属 性 词 及 语 义 关 系 ) 识 别 ; 采 用 基 于 依 存 句 法 分 析 的 方 法 实 现 主 题 词 与 属 性 实 例 匹 配 本 文 的 基 本 思 路 为 : 通 过 分 析 领 域 科 技 文 献 摘 要 中 创 新 点 句 的 语 言 特 征 和 位 置 特 征, 参 考 不 同 类 别 创 新 点 的 表 达 方 式, 分 析 领 域 本 体 的 结 构, 对 创 新 点 句 进 行 语 义 标 注 ; 采 用 基 于 依 存 分 析 的 方 法 识 别 创 新 点 句 中 的 核 心 主 题 词, 并 对 依 存 树 中 蕴 含 的 主 题 词 及 其 对 应 属 性 实 例 进 行 抽 取 3.1 语 义 角 色 标 注 语 言 学 中, 论 元 对 动 词 谓 词 进 行 补 充 说 明, 谓 词 及 其 论 元 可 以 构 成 谓 词 论 元 结 构 (PAS) [20] 在 此 基 础 上, 语 义 角 色 标 注 (SRL) 是 指 识 别 句 子 中 的 谓 词 ( 动 词 ) 的 语 义 成 分, 并 对 该 谓 词 所 属 的 特 定 语 义 类 型 进 行 标 注 [21] 早 期 研 究 和 系 统 在 进 行 语 义 角 色 标 注 时 以 动 词 为 主 ( 如 FrameNet [22] 等 ), 后 期 逐 渐 扩 展 到 在 标 注 动 词 语 义 角 色 的 基 础 上 进 一 步 标 注 出 与 该 动 词 相 关 的 其 他 语 义 成 分, 如 施 事 受 事 时 间 和 地 点 等 论 元 ( 如 PropBank [23] NomBank [24] 等 ) 本 文 借 鉴 谓 词 论 元 结 构 及 语 义 角 色 标 注 的 思 想 标 注 创 新 点 句 中 的 主 题 词 及 属 性 实 例, 标 注 主 要 从 以 下 两 个 角 度 展 开 : 基 本 语 义 角 色 标 注 ; 基 于 领 域 本 体 和 词 表 的 语 义 标 注 (1) 基 本 语 义 角 色 标 注 结 合 科 技 文 献 摘 要 中 创 新 点 句 的 特 点, 确 定 语 义 标 注 对 象 以 动 词 与 名 词 为 主, 以 创 新 点 句 的 语 言 学 特 征 为 基 础, 选 择 基 本 语 义 角 色 类 别 为 : 目 的 创 新 点 类 别 以 及 其 他 三 类 1 对 科 技 文 献 目 的 标 注 科 技 文 献 摘 要 中 研 究 目 的 部 分 主 要 阐 述 该 研 究 要 解 决 的 问 题 或 揭 示 该 研 究 的 动 机, 因 此 可 以 从 侧 面 体 现 本 研 究 创 新 点 主 要 解 决 的 问 题 或 攻 克 了 何 种 当 前 研 究 的 难 点 或 瓶 颈 研 究 者 通 常 采 用 特 定 的 语 言 表 述 方 式 ( 特 征 名 词 动 词 以 及 短 语 等 ) 对 其 写 作 目 的 进 行 描 述, 为 读 者 揭 示 论 文 立 意, 如 : objective aim at 等 2 对 科 技 文 献 创 新 点 类 别 标 注 对 创 新 点 类 别 进 行 语 义 角 色 标 注 主 要 有 以 下 两 个 优 点 : 其 一, 细 化 文 献 [2] 中 的 研 究, 通 过 分 析 和 总 结 不 同 类 别 创 新 点 特 征, 可 以 进 一 步 细 化 和 扩 展 抽 取 规 则, 提 高 创 新 点 句 识 别 的 准 确 率 ; 其 二, 为 后 续 的 创 新 点 句 汇 聚 以 及 评 估 提 供 基 础 参 考 周 露 阳 [25] [26] 田 丽 等 对 创 新 点 的 分 类, 结 合 不 同 类 别 创 新 点 的 语 言 表 达 方 式 特 征, 选 取 新 发 现 新 方 法 以 及 新 观 点 作 为 创 新 点 类 别 标 注 的 代 表 标 注 时 通 过 统 计 和 人 工 标 注 相 结 合 的 方 式 选 择 可 以 揭 示 创 新 点 句 具 体 类 别 的 特 征 动 词 和 名 词, 如 application methodology 等 3 其 他 类 型 语 义 角 色 类 别 标 注 在 对 创 新 点 类 别 标 注 后, 发 现 创 新 点 句 中 仍 包 含 很 多 无 法 明 确 标 注 为 以 上 三 个 创 新 点 类 别 的 名 词 和 动 词, 这 些 动 词 和 名 词 高 频 出 现, 表 明 它 们 也 是 创 新 点 句 的 特 征 词, 因 此 归 为 其 他 类 (2) 基 于 领 域 本 体 和 词 表 的 语 义 角 色 标 注 将 领 域 知 识 ( 例 如 领 域 本 体 领 域 词 表 等 ) 引 入 到 标 注 过 程 中, 使 得 标 注 结 果 更 具 领 域 针 对 性 的 同 时 语 义 更 加 丰 富 依 照 其 中 术 语 是 否 经 过 组 织 和 规 范 进 行 分 类, 领 域 知 识 载 体 可 以 分 为 领 域 本 体 ( 或 主 题 词 表 ) 以 及 关 键 词 两 类 以 肿 瘤 领 域 为 例, 本 文 所 使 用 的 领 域 知 识 载 体 主 要 分 为 经 过 特 定 处 理 的 领 域 词 表 或 领 域 本 体 以 及 未 经 规 范 化 处 理 的 关 键 词 和 缩 写 词 两 类 1 论 元 的 标 注 创 新 点 句 中 的 论 元 既 可 能 是 该 句 的 主 题 词, 也 可 能 是 与 主 题 词 相 关 的 属 性 词 本 文 在 对 论 元 进 行 标 注 时, 利 用 领 域 本 体 NCIt [27] 领 域 关 键 词 集 合 以 及 从 文 章 标 题 和 摘 要 中 识 别 出 的 缩 写 词 对 领 域 主 题 词 进 行 标 注, 此 外 利 用 领 域 本 体 NCIt 对 属 性 词 进 行 标 注 NCIt 由 美 国 国 立 癌 症 研 究 所 编 制, 以 主 题 词 表 形 式 提 供 有 关 癌 症 及 癌 症 相 关 的 生 物 医 药 信 息, 包 括 肿 瘤 及 相 关 概 念 的 同 义 词 近 义 词 以 及 上 下 位 词 等 信 息 在 对 语 义 角 色 类 别 进 行 选 择 时, 选 择 NCIt 顶 级 类 目 Properties or Attributes 对 句 子 中 出 现 的 属 性 词 进 行 标 注 ; 确 定 研 究 主 题 为 肿 瘤, 定 位 为 NCIt 中 20 个 顶 级 类 目 之 一 Diseases, Disorders and Findings 的 子 类 ; 确 定 与 肿 瘤 主 题 词 相 关 的 其 他 类 目 主 题 词 在 确 定 其 他 类 目 与 肿 瘤 类 目 相 关 关 系 时, NCIt 提 供 的 语 义 关 系 有 Associations 和 Roles 两 种, 其 中, Associations 类 型 的 关 系 可 通 过 父 类 继 承 ; 通 过 分 析 NCIt XIANDAI TUSHU QINGBAO JISHU 17

4 研 究 论 文 本 体 可 以 发 现 与 Diseases, Disorders and Findings 类 通 过 Associations 类 型 语 义 关 系 产 生 联 系 的 类 主 要 有 7 类, 如 表 1 所 示 ; 由 于 NCIt 是 由 上 下 位 概 念 及 其 相 互 间 关 系 构 成 的 树 状 结 构, 提 供 的 关 联 关 系 并 没 有 给 出 相 应 的 实 例 ( 如 Disease_Excludes_Abnormal_Cell 等 ), 因 此 很 难 利 用 NCIt 的 语 义 关 系 从 自 然 语 言 的 数 据 集 中 识 别 此 类 语 义 谓 词 表 1 NCIt 中 肿 瘤 相 关 类 目 NCIt 肿 瘤 相 关 类 目 标 注 类 型 标 注 符 号 Diseases, Disorders and Findings Gene Gene Product Abnormal Cell Anatomic Structure System or Substance Properties or Attributes 领 域 主 题 词 领 域 属 性 词 DI FI GE GP AC AN 2 语 义 谓 词 的 标 注 语 义 谓 词 (Semantic Predication), 也 称 语 义 预 设 语 义 断 言 语 义 谓 述 等, SemRep [28] 中 的 语 义 谓 词 即 为 一 种 逻 辑 主 语 谓 词 逻 辑 宾 语 的 三 元 组, 其 中 主 宾 论 元 来 源 于 UMLS 超 级 叙 词 表 (Metathesaurus) 中 的 概 念, 谓 词 所 代 表 的 语 义 关 系 为 UMLS 语 义 网 (Semantic Network) 的 扩 展 针 对 NCIt 语 义 关 系 没 有 实 例 的 不 足, 本 文 借 助 UMLS 中 语 义 工 具 SemRep 对 创 新 点 句 中 的 语 义 谓 词 进 行 识 别 考 虑 到 效 率 问 题, 利 用 SemRep 标 注 了 条 文 献 [2] 处 理 过 程 中 的 摘 要 句 子 并 对 其 中 的 语 义 谓 词 实 例 进 行 汇 总, 综 合 考 虑 实 例 数 量 比 重 以 及 与 肿 瘤 相 关 程 度, 采 用 基 于 词 频 统 计 的 方 法 选 取 语 义 谓 词 类 型 ( 部 分 语 义 谓 词 类 型 如 表 2 所 示 ), 此 外 考 虑 到 语 义 谓 词 的 表 现 形 式, 人 工 筛 选 出 一 些 表 述 方 式 过 于 复 杂 或 特 殊 的 语 义 谓 词, 如 语 义 关 系 TREATS (SPEC), 该 类 别 标 注 出 表 达 方 式 整 体 词 频 过 低 ( 小 于 2 次 ), 应 予 以 剔 除 PR 最 终 得 到 标 注 后 例 句 1 如 下 : Conclusion: For the first time to our RF knowledge KW, this study TP describes VB lipid_profiles KW correlated PR AS AF with various Clinicopathological KW characteristics PR of HER2- positive_breast_cancer KW. 3.2 创 新 点 句 属 性 实 例 发 现 本 文 旨 在 通 过 识 别 创 新 点 句 中 的 主 题 词 及 其 属 性 实 例, 细 化 和 拆 分 该 创 新 点 句 中 具 体 的 知 识 关 系, 并 为 后 期 领 域 中 相 关 主 题 词 下 知 识 关 系 和 属 性 的 汇 聚 奠 定 了 基 础 创 新 点 句 的 属 性 实 例 主 要 包 括 其 中 主 题 词 蕴 含 的 语 义 关 系 与 属 性 / 介 词 关 系 两 种, 其 中 语 义 关 系 主 要 由 语 义 谓 词 揭 示 ; 属 性 与 介 词 关 系 主 要 通 过 属 性 类 别 特 征 词 以 及 通 过 介 词 构 成 的 关 系 体 现 主 题 词 及 其 语 义 关 系 或 属 性 关 系 类 似 谓 词 论 元 结 构, 考 虑 到 依 存 句 法 分 析 所 得 结 果 与 谓 词 论 元 结 构 相 近 [29], 本 文 对 创 新 点 句 对 应 的 依 存 句 法 树 进 行 分 析, 识 别 其 中 有 价 值 的 语 义 关 系 或 属 性 关 系 实 例 将 标 注 句 中 识 别 出 的 多 词 主 题 词 或 术 语 中 空 格 替 换 为 下 划 线, 保 持 术 语 完 整 性, 记 录 术 语 和 谓 词 对 应 的 语 义 类 别 ; 对 处 理 后 的 句 子 进 行 依 存 句 法 分 析, 得 到 依 存 句 法 树, 本 文 采 用 斯 坦 福 大 学 开 发 的 自 然 语 言 [30] 处 理 工 具 进 行 依 存 句 法 分 析 对 3.1 节 中 的 例 句 1 进 行 依 存 句 法 分 析, 结 果 如 图 1 所 示 : 表 2 SemRep 语 义 谓 词 类 别 语 义 谓 词 类 别 标 注 符 号 AFFECTS AF 含 义 Produces a direct effect on. Implied here is the altering or influencing of an existing condition, state, situation, or entity AUGMENTS AU Expands or stimulates a process ASSOCIATED WITH TREATS AS TR Has a relationship to (genedisease relation) Applies a remedy with the object of effecting a cure or managing a condition CAUSES CA Brings about a condition or an effect 图 1 例 句 语 义 标 注 的 句 法 分 析 树 (1) 核 心 主 题 词 发 现 以 及 组 合 术 语 识 别 依 存 句 法 分 析 采 用 词 语 对 的 二 元 关 系 形 式 体 现 句 子 中 的 词 语 之 间 的 依 存 关 系, 通 过 定 位 语 义 标 注 类 型 为 创 新 点 句 特 征 动 词 的 谓 词 节 点, 可 以 进 一 步 识 别 被 18 现 代 图 书 情 报 技 术

5 其 支 配 的 主 题 词, 而 这 些 主 题 词 即 为 可 以 揭 示 创 新 之 处 的 核 心 主 题 词 该 识 别 算 法 主 要 分 为 两 步 : 从 创 新 点 句 依 存 关 系 对 集 合 S 中 识 别 出 可 以 揭 示 句 子 创 新 之 处 的 核 心 谓 词 节 点 集 合 S ; 从 S 中 识 别 符 合 条 件 的 核 心 谓 词 关 系 对 集 合 N, N 中 每 个 关 系 对 中 的 被 支 配 成 分 即 为 该 句 的 核 心 主 题 词 该 算 法 的 具 体 流 程 如 图 2 所 示 : 图 2 核 心 主 题 词 发 现 及 其 关 系 对 识 别 流 程 图 候 选 核 心 关 系 对 中 被 支 配 成 分 为 名 词 性 词 语, 并 不 一 定 是 句 子 中 语 义 标 注 出 的 主 题 词 概 念, 或 其 与 主 题 词 形 成 修 饰 关 系, 因 此 需 要 对 名 词 性 词 语 进 行 扩 展, 并 去 除 无 法 揭 示 领 域 知 识 的 关 系 对 形 成 最 终 的 核 心 关 系 对 以 及 核 心 概 念 因 此 需 要 对 每 个 创 新 点 句 中 主 题 词 可 能 构 成 的 组 合 术 语 进 行 识 别 本 文 构 建 组 合 术 语 识 别 模 块 辅 助 和 扩 展 关 系 抽 取 优 化 术 语 表 达 方 式, 使 其 更 加 明 确 和 完 整 组 合 术 语 识 别 模 块 算 法 描 述 如 图 3 所 示 考 虑 到 依 存 句 法 分 析 的 特 性, 可 能 会 造 成 并 列 转 折 等 通 过 连 接 词 相 关 联 的 主 题 词 形 成 的 关 系 对 遗 漏, 因 此, 本 文 构 建 连 接 词 关 系 识 别 模 块 对 被 支 配 成 分 的 连 接 词 性 的 依 存 关 系 进 行 识 别, 对 已 建 立 关 系 对 的 被 支 配 成 分 的 连 接 词 关 系 对 进 行 查 找, 若 与 当 前 被 支 配 成 分 构 成 连 接 词 关 系 的 节 点 类 别 为 主 题 词, 则 为 该 节 点 与 当 前 支 配 成 分 构 建 新 的 属 性 对 ( 即 图 2 中 步 骤 查 找 与 关 系 对 被 支 配 成 分 存 在 连 接 关 系 (conj) 的 词 的 词 性 ) (2) 属 性 实 例 发 现 利 用 SemRep 标 注 得 到 的 部 分 语 义 谓 词 类 别 过 于 宽 泛 ( 如 AFFECTS 等 ), 就 语 义 而 言 几 乎 适 用 各 种 领 域, 对 肿 瘤 领 域 内 部 特 殊 关 系 和 属 性 的 揭 示 能 力 较 弱 因 此, 在 利 用 SemRep 语 义 谓 词 类 别 进 行 属 性 实 例 发 现 的 基 础 上, 引 入 领 域 本 体 NCIt 中 属 性 类 目, 以 便 更 好 地 揭 示 肿 瘤 领 域 内 部 特 有 的 属 性 和 语 义 关 系 1 利 用 SemRep 语 义 谓 词 的 属 性 实 例 发 现 SemRep 中 提 供 的 语 义 类 型 可 以 揭 示 生 物 医 学 领 域 中 不 同 类 别 实 体 之 间 的 关 系, 通 过 抽 取 句 子 中 语 义 谓 词 与 NCIt 主 题 词 之 间 的 依 存 关 系, 可 以 发 现 主 题 词 在 领 域 中 的 语 义 知 识 关 系 此 外, 识 别 SemRep 类 型 语 义 关 系 时, 也 应 考 虑 被 支 配 成 分 是 否 有 相 应 的 组 合 术 语 对 创 新 点 句 中 NCIt 主 题 词 相 关 的 语 义 关 系 提 取 过 程 如 下 : 1) 对 创 新 点 句 依 存 树 中 的 动 词 节 点 以 及 标 注 为 SemRep 语 义 类 型 的 节 点 进 行 汇 总, 得 到 起 始 节 点 集 S; 2) 遍 历 依 存 树, 获 取 S 中 每 一 个 候 选 谓 词 节 点 为 支 配 XIANDAI TUSHU QINGBAO JISHU 19

6 研 究 论 文 成 分 的 依 存 关 系 对 ; 3) 对 S 中 每 个 节 点 对 应 的 依 存 对 进 行 判 断, 若 其 被 支 配 成 分 标 注 类 别 为 NCIt 主 题 词 或 具 有 组 合 术 语, 则 认 为 该 依 存 对 是 关 于 该 主 题 词 类 别 的 有 效 语 义 关 系 图 3 组 合 术 语 识 别 模 块 算 法 流 程 图 此 外, 对 当 前 依 存 树 中 已 抽 取 的 关 系 对 中 的 被 支 配 成 分 的 连 接 词 关 系 进 行 查 找, 对 符 合 条 件 的 主 题 词 构 建 新 的 属 性 对 考 虑 到 利 用 SemRep 标 注 实 例 的 不 完 备 性, 将 符 合 识 别 算 法 但 未 标 注 为 SemRep 的 动 词 节 点 作 为 候 选 语 义 关 系, 并 通 过 词 频 过 滤 配 合 人 工 处 理 将 其 分 配 到 对 应 的 SemRep 语 义 类 别 中 2 利 用 NCIt 本 体 属 性 类 别 的 属 性 实 例 发 现 NCIt 属 性 类 目 (Properties or Attributes) 下 属 性 主 题 词 有 多 条, 属 性 类 型 分 布 不 明 显, 属 性 词 词 性 包 含 了 形 容 词 名 词 等, 语 义 含 义 较 为 分 散, 但 可 以 对 主 题 词 的 相 关 属 性 进 行 一 定 揭 示, 因 此 考 虑 从 创 新 点 句 中 抽 取 与 主 题 词 相 关 的 属 性 依 存 对 识 别 依 存 树 中 的 属 性 关 系 对 主 要 分 为 以 下 两 个 步 骤 : 对 树 中 的 主 题 词 属 性 关 系 对 进 行 识 别 ; 利 用 具 有 介 词 关 系 的 依 存 对 识 别 对 主 题 词 的 属 性 关 系 进 行 补 充 利 用 介 词 关 系 对 对 属 性 进 行 补 充, 主 要 考 虑 到 介 词 作 为 揭 示 词 与 词 之 间 关 系 的 虚 词, 可 以 进 一 步 揭 示 属 性 的 状 态 ( 如 部 位 时 间 方 式 等 ) 如 例 句 中 属 性 characteristics 对 应 的 主 题 词 为 Clinicopathological, 此 外, 依 存 对 中 与 属 性 characteristics 存 在 介 词 关 系 的 依 存 对 有 characteristics-prep-to- HER2-positive_breast_cancer, 主 题 词 HER2-positive_breast_ cancer 对 属 性 characteristics 的 具 体 种 类 进 行 补 充 和 细 化, 如 图 4 所 示 : 4 实 验 4.1 实 验 数 据 来 源 与 预 处 理 实 验 数 据 来 源 于 Web of Knowledge 中 20 种 肿 瘤 领 域 期 刊 的 文 章 摘 要, 采 用 文 献 [2] 中 的 方 法 识 别 其 中 的 创 新 点 句, 并 采 用 Solr 构 建 索 引 选 取 NCIt 中 主 题 词 Breast Carcinoma 及 其 所 有 同 义 词 作 为 检 索 词, 构 建 Solr 检 索 式 (domainfield:cancer) AND ((sentence_ content:breast Neoplasm) OR (sentence_papertitle: Breast Neoplasm) OR (sentence_concept:breast Neoplasm)) AND (year:{2011 TO 2014}) AND (sentence_ property_str:*), 对 索 引 中 相 关 的 创 新 点 句 进 行 检 索, 选 取 前 200 条 检 索 结 果 进 行 实 验 与 分 析 4.2 实 验 结 果 与 分 析 (1) 核 心 主 题 词 发 现 实 验 采 用 3.1 节 中 的 方 法 提 取 200 条 检 索 结 果 中 的 核 心 主 题 词 以 及 组 合 术 语, 得 到 核 心 主 题 词 关 系 对 178 对, 实 验 结 果 如 表 3 所 示 观 察 表 3 的 结 果 可 以 发 现 : 添 加 组 合 术 语 识 别 模 块 方 法 的 准 确 率 召 回 率 以 及 F 值 皆 高 于 不 添 加 组 合 术 语 识 别 模 块 方 法 的 对 应 指 标 分 析 其 原 因 为 : 句 法 依 存 树 的 特 点 是 将 具 有 依 存 关 系 的 二 元 组 识 别 出 来, 若 不 考 虑 被 支 配 词 的 其 他 修 饰 性 表 3 核 心 主 题 词 发 现 实 验 结 果 方 法 准 确 率 召 回 率 F 值 不 添 加 组 合 术 语 78.82% 40.73% 53.71% 图 4 属 性 介 词 关 系 示 意 图 添 加 组 合 术 语 84.66% 72.21% 77.94% 20 现 代 图 书 情 报 技 术

7 的 依 存 关 系, 则 很 可 能 因 为 对 被 支 配 词 的 语 义 标 注 不 满 足 抽 取 要 求 而 错 误 地 过 滤 有 效 的 关 系 对 此 外, 具 体 对 未 发 现 核 心 主 题 词 的 句 子 进 行 跟 踪 和 分 析, 发 现 其 核 心 主 题 词 未 被 识 别 的 原 因 主 要 有 以 下 两 点 : 1 识 别 出 的 核 心 主 题 词 不 属 于 NCIt 主 题 词, 也 不 存 在 相 关 的 组 合 术 语, 且 并 未 对 其 下 一 级 节 点 中 包 含 的 主 题 词 进 行 提 取, 导 致 该 句 提 取 的 核 心 主 题 词 为 空 如 In this study TP the relation AS between adipose tissue AN EA composition PR and breast cancer KW DI was investigated VB OB. 中 识 别 出 核 心 主 题 词 为 relation, 该 词 既 不 是 NCIt 语 义 标 注 出 的 主 题 词 也 不 存 在 组 合 术 语, 该 关 系 对 被 剔 除 2NCIt 中 属 性 类 别 中 主 题 词 较 为 不 规 范, 应 对 属 性 词 进 行 过 滤, 避 免 对 核 心 主 题 词 对 发 现 的 干 扰 如 Accordingly, we RF documented PR a positive PR correlation AS AF PR between levels of MTA1 GE AB and STAT3 GP GE in publicly available breast cancer KW DI data FP sets. 中 documented 被 标 记 为 NCIt 属 性 词, 但 该 词 在 句 中 词 性 为 动 词, 因 此 应 对 NCIt 属 性 词 标 注 后 本 身 词 性 进 行 过 滤 (2) 属 性 实 例 发 现 实 验 采 用 3.2 节 中 的 创 新 点 句 属 性 实 例 发 现 方 法 提 取 200 条 检 索 结 果 中 的 语 义 谓 词 属 性 实 例 以 及 本 体 属 性 实 例, 得 到 非 核 心 主 题 关 系 对 661 对, 其 中 利 用 语 义 谓 词 识 别 的 关 系 对 502 对, 利 用 本 体 属 性 识 别 的 关 系 对 159 对 观 察 表 4 的 结 果, 并 对 错 误 识 别 以 及 遗 漏 的 属 性 关 系 对 进 行 分 析, 得 到 如 下 结 论 : 1 基 于 语 义 谓 词 以 及 领 域 本 体 属 性 类 别 的 识 别 方 法 都 取 得 了 较 好 结 果, 说 明 该 方 法 可 以 有 效 地 识 别 创 新 点 句 中 蕴 含 的 语 义 关 系 对 和 领 域 属 性 关 系 对 2 识 别 结 果 受 句 法 分 析 或 标 注 结 果 影 响 如 We RF undertook VB a study VB to correlate PR AS AF lipid profiles KW with heterogeneous PR clinicopathological features KW of HER2-positive breast cancer KW. 在 依 存 句 法 中 将 correlate 词 性 错 标 为 JJ, 导 致 关 系 抽 取 错 误 This study TP investigated VB OB the interaction IA KW between MAPK GP GE AB and ER alpha in breast cancer KW DI. 中 主 题 词 ER alpha 未 识 别 为 主 题 词 类 别, 因 此 遗 失 有 意 义 的 属 性 关 系 对 3 未 考 虑 否 定 词 如 There was no evidence for an association AF AS with postdiagnosis alcohol intake KW and breast cancer survival KW. 中 未 考 虑 否 定 词 no 的 作 用, 对 包 含 否 定 含 义 的 关 系 对 应 予 以 剔 除 4 基 于 本 体 属 性 类 别 识 别 准 确 率 较 低 的 原 因 为 : NCIt 中 属 性 词 类 别 纷 杂, 有 待 进 一 步 的 规 范 和 整 理, 对 不 符 合 要 求 的 属 性 词 进 行 过 滤 表 4 属 性 实 例 发 现 实 验 结 果 方 法 准 确 率 召 回 率 F 值 基 于 语 义 谓 词 89.49% 91.28% 90.38% 基 于 领 域 本 体 属 性 类 别 82.92% 90.36% 86.48% 5 结 语 针 对 领 域 科 技 文 献, 分 析 创 新 点 句 的 结 构 特 征 和 语 义 特 征, 借 助 领 域 本 体, 在 对 句 子 进 行 语 义 角 色 标 注 的 基 础 上, 采 用 一 种 语 义 标 注 依 存 句 法 分 析 以 及 领 域 本 体 属 性 类 相 结 合 的 方 法, 对 创 新 点 句 内 部 的 核 心 主 题 词 以 及 主 题 词 对 应 属 性 实 例 进 行 识 别, 并 针 对 依 存 句 法 分 析 的 特 点, 设 定 组 合 术 语 识 别 模 块 以 及 连 接 词 识 别 模 块 以 提 高 主 题 词 及 对 应 属 性 实 例 识 别 的 准 确 性 下 一 步 的 主 要 工 作 为 : 探 讨 如 何 进 一 步 利 用 领 域 知 识 提 高 属 性 识 别 的 效 果 并 对 现 有 的 属 性 实 例 进 行 整 合, 以 及 将 领 域 中 分 散 的 创 新 点 句 通 过 其 属 性 汇 聚 起 来 的 方 法 参 考 文 献 : [1] 李 如 森, 彭 彩 红, 赵 福 荣. 科 技 论 文 创 新 性 判 断 方 法 [J]. 鞍 山 钢 铁 学 院 学 报, 2001, 24(3): (Li Rusen, Peng Caihong, Zhao Furong. Judging Method of Innovation for Scientific and Technological Papers [J]. Journal of Anshan Institute of Iron and Steel Technology, 2001, 24(3): ) [2] 张 帆, 乐 小 虬. 面 向 领 域 科 技 文 献 的 句 子 级 创 新 点 抽 取 研 究 [J]. 现 代 图 书 情 报 技 术, 2014(9): (Zhang Fan, Le Xiaoqiu. Research on Innovation Points Extraction from Scientific Research Paper Based on Field Thesaurus [J]. New Technology of Library and Information Service, 2014(9): ) [3] Lan M, Zhang Y Z, Lu Y, et al. Which Who are They? People Attribute Extraction and Disambiguation in Web Search Results [C]. In: Proceedings of the 2nd Web People Search Evaluation Workshop, Madrid, Spain [4] Ghani R, Probst K, Liu Y, et al. Text Mining for Product Attribute Extraction [J]. ACM SIGKDD Explorations Newsletter, 2006, 8(1): [5] 丁 君 军, 郑 彦 宁, 化 柏 林. 国 内 外 属 性 抽 取 研 究 综 述 [J]. 情 报 科 学, 2011, 29(5): (Ding Junjun, Zheng Yanning, Hua Bolin. Survey on Attribute Extraction at Home and Abroad [J]. Information Science, 2011, 29(5): ) [6] 丁 君 军, 郑 彦 宁, 化 柏 林. 基 于 规 则 的 学 术 概 念 属 性 抽 取 [J]. 情 报 理 论 与 实 践, 2011, 34(12): (Ding Junjun, XIANDAI TUSHU QINGBAO JISHU 21

8 研 究 论 文 Zheng Yanning, Hua Bolin. Attribute Extraction of Academic Concepts Based on Rules [J]. Information Studies: Theory & Application, 2011, 34(12): ) [7] Dietrich R S. Biomedical Named Entity Recognition, Whatizit [A].// Dubitzky W, Wolkenhauer O, Yokota H, et al. Encyclopedia of Systems Biology [M]. New York: Springer, 2013: [8] Jones D E, Igo S, Hurdle J, et al. Automatic Extraction of Nanoparticle Properties Using Natural Language Processing: NanoSifter an Application to Acquire PAMAM Dendrimer Properties [J]. PLoS One, 2014, 9(1): e [9] Fundel K, Küffner R, Zimmer R. RelEx--Relation Extraction Using Dependency Parse Trees [J]. Bioinformatics, 2007, 23(3): [10] Tang Y T, Li S J, Kao H Y, et al. Using Unsupervised Patterns to Extract Gene Regulation Relationships for Network Construction [J]. PLoS One, 2011, 6(5): e [11] Pechsiri C, Painuall S, Janviriyasopak U. Medicinal Property Knowledge Extraction from Herbal Documents for Supporting Question Answering System [A]. //New Frontiers in Applied Data Mining [M]. Springer Berlin Heidelberg, 2012: [12] Pechsiri C, Piriyakul R. Developing the UCKG-Why-QA System [C]. In: Proceedings of the 7th International Conference on Computing and Convergence Technology, Seoul, Korea. IEEE, 2012: [13] Feng D H, Burns G, Hovy E H. Extracting Data Records from Unstructured Biomedical Full Text [C]. In: Proceedings of the 2007 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning, Prague, Czech Republic. 2007: [14] Feng D H, Burns G, Zhu J B, et al. Towards Automated Semantic Analysis on Biomedical Research Articles [C]. In: Proceedings of the 3rd International Joint Conference on Natural Language Processing [15] Pham S B, Hoffmann A G. Extracting Positive Attributions from Scientific Papers [C]. In: Proceedings of the 7th International Conference on Discovery Science, Padova, Italy. 2004: [16] Pechsiri C, Kawtrakul A. Mining Causality for Explanation Knowledge from Text [J]. Journal of Computer Science and Technology, 2007, 22(6): [17] Xiao L, Tang K, Liu X, et al. Information Extraction from Nanotoxicity Related Publications [C]. In: Proceedings of the 2013 IEEE International Conference on Bioinformatics and Biomedicine, Shanghai, China. 2013: [18] Pechsiri C, Piriyakul R. Explanation Knowledge Graph Construction Through Causality Extraction from Texts [J]. Journal of Computer Science and Technology, 2010, 25(5): [19] 王 璐, 朱 东 华, 任 智 军. 科 技 术 语 属 性 抽 取 方 法 研 究 [J]. 现 代 图 书 情 报 技 术, 2007(5): (Wang Lu, Zhu Donghua, Ren Zhijun. A Study on Extraction Method of Term s Attributes [J]. New Technology of Library and Information Service, 2007(5): ) [20] Wikipedia: Argument(linguistics)-Notes 1[EB/OL]. [ ]. 29#cite_note-1. [21] Wikipedia: Semantic Role Labeling [EB/OL]. [ ]. [22] Baker C F, Fillmore C J, Lowe J B. The Berkeley Framenet Project [C]. In: Proceedings of the 36th Annual Meeting of the Association for Computational Linguistics and 17th International Conference on Computational Linguistics. 1998: [23] Palmer M, Gildea D, Kingsbury P. The Proposition Bank: An Annotated Corpus of Semantic Roles [J]. Computational Linguistics, 2005, 31(1): [24] Meyers A, Reeves R, Macleod C, et al. The NomBank Project: An Interim Report [C]. In: Proceedings of the 2004 Human Language Technology Conference-North American Chapter of the Association for Computational Linguistics Annual Meeting. 2004: [25] 周 露 阳. 论 审 评 学 术 论 文 创 新 因 素 的 指 标 体 系 [J]. 编 辑 学 报, 2006, 18(1): (Zhou Luyang. Index System for Identifying Innovation Factors in Academic Papers [J]. Acta Editologica, 2006, 18(1): ) [26] 田 丽, 周 润 智. 谈 研 究 生 学 位 论 文 的 创 新 性 [J]. 教 育 科 学, 1999, 2: (Tian Li, Zhou Runzhi. Research of Innovation of Postgraduates Dissertations [J]. Education Science, 1999, 2: ) [27] National Cancer Institute Thesaurus [EB/OL]. [ ]. [28] Semantic Knowledge Representation Project [EB/OL]. [ ]. [29] Choi J D, Palmer M. Transition-based Semantic Role Labeling Using Predicate Argument Clustering [C]. In: Proceedings of the 2011 ACL Workshop on Relational Models of Semantics. 2011: [30] The Stanford Natural Language Processing Group [EB/OL]. [ ] 现 代 图 书 情 报 技 术

9 作 者 贡 献 声 明 : 张 帆 : 设 计 并 实 施 技 术 方 案 技 术 路 线, 数 据 采 集 清 洗, 实 验 分 析 验 证, 论 文 起 草 ; 乐 小 虬 : 提 出 研 究 方 向 和 研 究 思 路, 论 文 修 改 及 最 终 版 本 修 订 收 稿 日 期 : 收 修 改 稿 日 期 : Research on Recognition of Concept Attribute Instances in Innovation Sentences of Scientific Research Paper Zhang Fan 1,2 Le Xiaoqiu 1 1 (National Science Library, Chinese Academy of Sciences, Beijing , China) 2 (University of Chinese Academy of Sciences, Beijing , China) Abstract: [Objective] This article aims to extract concept attribute instances in innovation sentences, and then to explore the relationship between concepts. [Methods] A method of recognizing core concept and concept attribute instances from dependency tree is presented. This method is based on the results of semantic role labeling and dependency parsing, and takes advantage of property of classes in domain Ontology. Considering the feature of dependency parsing, a concept combination module and a conjunction relationship detection module are designed to improve the effect of concept attribute instances recognition. [Results] The results show that the F value of core concept recognition is 77.94%, and the average F value of concept attribute instances recognition is around 90%. [Limitations] Stanford parsing tool leads to wrong parsing results which may result in inaccurate recognition. The class of Properties or Attributes in NCIt is not well filtered and standardized. [Conclusions] This method can effectively extract core concepts and concept attribute instances in innovation sentences. Keywords: Domain Ontology Semantic role labeling Dependency parsing Attribute instances XIANDAI TUSHU QINGBAO JISHU 23