基于评审意见的科技论文要点识别与利用

科研用户查找文献往往瞄准特定任务,如寻找选题、方法、结论等,面对检索出的大量文献需要甄别要点,判断价值,这一过程既需要熟悉专业知识又耗时费力。论文评审意见中蕴含了同行专家的权威看法,包括对论文要点和参考价值的揭示,可以为满足上述需求提供有效帮助。本文以论文评审意见为对象,围绕科研活动中的典型要素定义评审意见中的要点类型,通过有监督学习方法提取评审意见所述的论文要点,不但为论文提供了结构化要点概括,还能用于辅助文献检索。本文采集《心理学报》期刊2014年年初至2020年年底发表的549篇论文及其对应的评审意见,将其中概括信息划分为概述、方法、结果和亮点4种要点类型,用SVM(support vector machine)、FastText、TextCNN(convolutional neural networks)及BiLSTM(bi-directional long short-term memory)4种方法训练分类模型并比较效果。研究结果表明,BiLSTM方法对要点识别效果最佳,在5次交叉检验中的平均识别准确率达到91%。要点中的亮点进一步分为选题、价值、方法和写作4种类型,采用SVM方法识别,F1值达到85%。作为对研究结果的应用,本文采用识别出的论文要点辅助对论文的理解,并按亮点做检索结果分类,改进了论文检索的组织与服务形式。本文创新之处在于:①提出了从评审意见中挖掘论文要点的研究问题,制定了要点类型的框架和层次;②将识别要点转化为分类问题,通过比较评价找到综合最优的识别方法;③实现了基于要点的检索结果分类组织,帮助用户理解论文并进行价值判断。