文献类型：期刊文章

作　　者：王倩[1,2] 曾金[3] 刘家伟[1,2] 戚越[1,2]

WANG Qian;ZENG Jin;LIU Jia-wei;QI Yue(School of Information Management,Wuhan University,Wuhan 430072,China;Institute for Information Retrieval and Knowledge Mining,Wuhan University,Wuhan 430072,China;School of Information Management and Statistics,Hubei University of Economics,Wuhan 430205,China)

机构地区：[1]武汉大学信息管理学院,湖北武汉430072 [2]武汉大学信息检索与知识挖掘研究所,湖北武汉430072 [3]湖北经济学院信息管理与统计学院,湖北武汉430205

出　　处：《情报科学》

基　　金：国家自然科学基金面上项目“基于多语义信息融合的学术文献引文推荐研究”(71673211).

年　　份：2020

卷　　号：38

期　　号：3

起止页码：64-69

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的/意义】在学术大数据的应用背景下,对学术文本更加细粒度、语义化的分析挖掘日益迫切,学术文本结构功能识别成为科研领域的一个研究热点。【方法/过程】本文从段落的层次来识别章节结构功能,提出利用结合卷积神经网络和循环神经网络的特征对学术文本段落进行表达,然后进行分类。【结果/结论】文本提出的深度学习方法在整体分类结果上优于传统的机器学习方法,同时极大的减少了传统特征工程的人力需求。

关 键 词：结构功能  深度学习  文本分类 学术文本  特征提取

分 类 号：G254[图书情报与档案管理类] TP18] TP391.1]