基于题录信息的领域学术文献细粒度分类方法研究
后印本
Research on Fine-Grain Classification Method of Academic Literature Based on Bibliographies
-
作者：
雷兵
1,2
刘小
1,2
钟镇
1,2
-
作者单位：
-
提交时间：2023-04-01 16:02:53
摘要: [目的/意义] 针对领域学术文献，基于题录信息构建按照"研究内容"与"研究方法"的双标签分类模型，为学术文献的细粒度分类提供方法借鉴。[方法/过程] 以深度学习中卷积神经网络为基础模型，将题名、摘要、关键词、刊名、作者、机构等题录信息分为显性特征和隐性特征，通过显性特征提取、隐性特征映射等步骤，形成特征词数组，在此基础上生成词向量矩阵，经过卷积层、池化层与Softmax层处理，完成分类任务。[结果/结论] 以电子商务领域文献为例进行实验验证，结果显示，该模型按"研究内容"与"研究方法"双标签分类的宏F1值分别为0.74、0.81，不仅明显优于传统机器学习方法，也比仅使用显性特征的深度学习分类方法高。
版本历史
| [V1] |
2023-04-01 16:02:53 |
ChinaXiv:202304.00544V1
|
下载全文 |
相关信息
点击量
下载量
