[发明专利]基于图神经网络的科学文献关键内容潜在关联挖掘方法

说明书

本发明公开了基于图神经网络的科学文献关键内容潜在关联挖掘方法，包括以下步骤：S1获取某一特定事件相关的科学文献数据，并进行数据清洗和预处理；S2利用TF‑IDF方法抽取文献内容关键词；S3以句子为单位，对抽取出的关键词和关键词所属参考文献构建词共现网络；S4利用图卷积神经网络学习关键词的向量表示；S5利用相似度计算函数得到不同关键词之间的相关度，挖掘其潜在的关联关系。本发明通过对文章内容抽取出的关键词关系进行建模，利用图卷积神经网络技术，对文献主要关键词的潜在关联进行挖掘，满足对科学文献内容进行分析需求，实现对不同领域科学文献的相关性进行分析，为科学文献的系统分析提供了有效的方法。

技术领域

本发明涉及文献分析技术领域，尤其涉及基于图神经网络的科学文献关键内容潜在关联挖掘方法。

背景技术

图神经网络目前被逐步应用于自然语言处理领域，如文本分类、信息检索、机器翻译等任务中，科学文献数据作为自然语言中常见的数据集，是指由论文信息及其作者信息构成的数据集，基于科学文献数据提供的论文参考文献以及作者信息，可以建立由科学家、论文构成的二分网，科学家合作网络，科学引文网络以及杂志-论文耦合网络，科研单位-论文耦合网络等。

近年来，随着复杂网络研究的发展，为科学文献的系统分析提供了有效的方法和工具，开发了CiteSpace、Sci2等相关分析软件，可以对上述网络的拓扑结构及演化模式和演化机制等进行分析，除科学文献基本信息外，科学文献自身的文章内容也蕴含了丰富的信息，但现有的文献分析方法并未对其进行充分的利用。

发明内容

本发明的目的在于提供基于图神经网络的科学文献关键内容潜在关联挖掘方法，通过对文章内容抽取出的关键词关系进行建模，利用图卷积神经网络技术，对文献主要关键词的潜在关联进行挖掘，满足对科学文献内容进行分析需求，实现对不同领域科学文献的相关性进行分析。

为了实现上述目的，本发明采用了如下技术方案：基于图神经网络的科学文献关键内容潜在关联挖掘方法，包括以下步骤：

S1：获取某一特定事件相关的科学文献数据，并进行数据清洗和预处理；

S2：利用TF-IDF方法抽取文献内容关键词；

S3：以句子为单位，对抽取出的关键词和关键词所属参考文献构建词共现网络；

S4：利用图卷积神经网络学习关键词的向量表示；

S5：利用相似度计算函数得到不同关键词之间的相关度，挖掘其潜在的关联关系。

作为上述技术方案的进一步描述：

所述步骤S1获取某一特定事件相关的科学文献数据，并进行数据清洗和预处理具体步骤为：

S1.1：文本挖掘，如果要对某一感兴趣的事件相关文献进行分析时，可以在相关数据库中下载包含该事件关键词的相关文献，或者直接使用已存在的公开数据集。

S1.2：文本清洗，得到原始数据后，抽取出文献的摘要和正文内容，如果是中文文本，需要对文本进行分词，然后去除标点、数字、乱码和停止词，减少文本噪声。

作为上述技术方案的进一步描述：

所述步骤S2利用TF-IDF方法抽取文献内容关键词具体方法为：利用TF-IDF方法评估一个词汇对于它所在文本的重要程度，考虑到不同的词汇关键词对辅助决策的帮助不同，对不同词性的关键词赋予了不同的权重，并进行了排序。

作为上述技术方案的进一步描述：

所述步骤S3以句子为单位，对抽取出的关键词和关键词所属参考文献构建词共现网络的具体方法为：抽取文献内容N个关键词后，利用这N个关键词和其在参考文献中的共现情况，构建一个无向有权图。

作为上述技术方案的进一步描述：