一种基于序列标注的概念短语抽取方法

作者：李雪思; 张智雄; 刘欢

来源：图书情报工作, 2022, 66(11): 121-128.

DOI：10.13266/j.issn.0252-3116.2022.11.013

• 序列标注
• 概念定义句
• 概念短语
• 自动抽取

[目的/意义]科技文献中的概念是对文献中知识高度凝练的表达，通常以定义句的形式出现在科技文献中。自动从概念定义句中抽取概念，能够进一步挖掘科技文献中蕴含的重要知识。[方法/过程]通过分析概念定义句的结构、句式等模式特征，提出以WCL数据集为基础的语料构建方案，并采用BERT+BiLSTM+CRF模型学习概念定义句的模式，从而实现概念短语抽取。[结果/结论]结合以往对概念定义句模式特征的研究，创新性地提出一种基于序列标注学习概念定义句的组成模式，从而实现概念短语抽取。通过BERT+BiLSTM+CRF模型，有效学习了概念定义句中的上下文语义、句式结构、组成项分布等模式特征，实现了句子中概念短语的抽取。

• 单位
  中国科学院文献情报中心; 中国科学院大学