科技領域?qū)嶓w語義向量構(gòu)建方法研究.pdf

1、互聯(lián)網(wǎng)文獻檢索在當今科研活動起著非常重要的作用，但是面對越來越大規(guī)模的科技文獻，高效智能的文獻檢索技術是非常需要的。傳統(tǒng)文獻檢索主要是利用各種檢索條件進行關鍵字匹配搜索，使用不方便，缺乏語義理解，搜索結(jié)果不甚理想，究其根本原因在于缺乏科技文獻的知識表示。傳統(tǒng)的文本向量表示沒有考慮文本中特征項之間的關系，對語義表達造成了極大的信息損失。隨著深度學習的研究與廣泛應用，以詞向量為基礎的短語結(jié)構(gòu)向量表示也得到了越來越多的關注，并已成功應用于很多

2、領域的自然語言處理任務中。本文針對科技領域?qū)嶓w的語義向量表示進行研究，主要包括領域詞典的構(gòu)建和詞向量的訓練，為了使得科技領域文獻檢索更加高效、智能，本文結(jié)合詞向量模型，研究提出了科技文獻關鍵詞的提取算法及權(quán)重計算方式，基于多粒度混合語義的科技文檔向量模型構(gòu)建以及基于科技文檔向量表示的專家檢索模型。本文主要研究內(nèi)容及創(chuàng)新性工作如下：
　　(1)研究提出一種科技領域詞典構(gòu)建方法。構(gòu)建科技領域詞典是語義挖掘的先行步驟，本文通過分布式爬蟲

3、獲取科技數(shù)據(jù)，在傳統(tǒng)科技詞典的基礎上，融合第三方詞庫形成科技領域詞以及生成詞向量。
　　(2)研究提出一種基于詞聚類的關鍵詞提取算法。將詞向量模型與K-Means聚類算法相結(jié)合，根據(jù)每個詞與聚類中心的語義距離和TF-IDF值相結(jié)合計算其權(quán)重，根據(jù)權(quán)重值提取關鍵詞。
　　(3)研究提出一種多粒度混合語義的科技文檔向量模型。傳統(tǒng)的文檔向量化表示方法僅僅只考慮了全局特征或者局部特征，本研究提出一種多粒度混合語義科技文檔向量模型，通

4、過對詞向量線性加權(quán)得到描繪了文檔內(nèi)詞語權(quán)重信息的文檔向量，使用主題模型得到描繪文檔間主題信息的文檔向量，以拼接的方式將兩個向量進行組合，通過對向量空間維度的增加，將局部特征和全局特征相融合，從而更好地表達科技文檔向量。
　　(4)研究提出一種基于科技文檔向量的專家檢索模型。通過專家所發(fā)表的論文、專利以及所參與的項目對專家進行建模，并結(jié)合衰減函數(shù)計算檢索值，通過檢索值高低完成檢索任務。
　　根據(jù)上述研究成果，設計并開發(fā)科技領域