[发明专利]一种科技文献中链接资源的分类方法、系统、设备

权利要求书

1.一种科技文献中链接资源的分类方法，所述方法包括：

提取待分类资源的描述文本；

将描述文本输入预先训练得到的分类模型，得到基于知识表示框架的分类结果，实现对待分类资源的分类；

所述提取待分类资源的描述文本，具体为：从待分类资源的文献的正文和脚注中抽取资源的超链接，抽取超链接的前后五句话作为资源的描述文本；

在所述提取待分类资源的描述文本中后还包括：在描述文本中加入引用位置标示符，即在文中出现引用的位置插入CITE标记，作为一个独立的词加入文本中，用于指明当前位置出现资源引用；

所述知识表示框架包括：资源类型和资源作用类型；所述资源类型包括：工具、代码、数据、网页、算法、文档、媒体、许可和论文；所述资源作用类型包括：使用、提出、介绍、对比和延伸；

所述分类模型包括依次连接的输入层、词LSTM层、注意力层和输出层；

所述输入层的输入为：描述文本；利用分词器和词性标注器对描述文本进行预处理；然后基于词嵌入的特征提取方法，对预处理后的描述文本的每个词，利用词嵌入向量词典提取三个特征向量：基于字符的嵌入向量、词嵌入向量和基于单词大小写及词性特征的嵌入向量；输出为：整合后字母-词综合嵌入向量；

所述词嵌入向量词典是利用Word2Vec的词嵌入方法，对已有文献数据集进行预先训练得到的；

所述词LSTM层的输入为：整合后字母-词综合嵌入向量；输出为：通过前向和反向LSTM隐藏层状态堆叠获得的词表征；

所述注意力层的输入为：词表征状态；输出为：每个词表征状态与各自的加权因子的乘积得到的词表征状态的加权结果；

所述输出层的输入为：词表征状态的加权结果；输出为：经过softmax函数处理后得到分类结果，包括：资源类型和资源作用类型；

所述注意力层的输出表示为：

其中，e_i是注意力层的输出；i为上下文信息的序号，j为第i段上下文信息中单词的序号，l_i为单词的数量；h_i,j为词LSTM层输出的词表征状态，α_i,j为h_i,j的加权因子，也是每个词的注意力得分的统计值；为每个词的注意力得分的预测值；f(w_i,j,θ_w)为利用双层的前向反馈神经网络进行注意力得分的预测函数，w_i,j为对应词的词嵌入表示，θ_w表示预测词注意力的参数。

2.根据权利要求1所述的科技文献中链接资源的分类方法，其特征在于，所述分类模型的训练步骤包括：

步骤S1)基于已有文献数据集构建资源引用训练数据集；所述训练数据集包括资源超链接及其相关资源描述文本；

步骤S2)基于知识表示框架标注训练数据集作为训练样本，然后将训练样本划分成训练集、测试集和验证集；

通过人工标注的方式，获得资源分类和资源作用分类描述的对应的标注文本；

步骤S3)利用训练样本和Adam优化器对构建的分类模型的参数进行训练，直至模型在验证集中得到最优效果。

3.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至2中任一项所述的方法。

4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行权利要求1至2任一项所述的方法。