[发明专利]一种从文献中自动识别实验方案的方法

权利要求书

1.一种从文献中自动识别实验方案的方法，其特征在于，包括如下步骤：

读取所述文献中数字化的文献内容；

将文献内容划分为多个文本段落；

基于词频统计，采用特征向量表示文献内容中所有的文本段落；

对文本段落的原始特征向量进行高层次特征向量的提取；

通过上下文无关分类模型/上下文相关段落分类模型，判断文本段落是否为阐述实验方案的段落。

2.如权利要求1所述的方法，其特征在于，步骤“将文献内容划分为若干文本段落”后，“基于词频统计，采用特征向量表示文献内容中所有的文本段落”前；还包括步骤：对文献内容中的所有的文本段落进行预处理，具体包括：

去除所述文本段落中的停用词；

对文本段落中的词根进行还原；

将所述文本段落分解为一系列无序的词条，并获取所述词条在所述文本段落中的词频和出现所述词条的所述文本段落的总数。

3.如权利要求1所述的方法，其特征在于，步骤“基于词频统计，采用特征向量表示文献内容中所有的文本段落”具体为：

给所述词条加上与该词条对应的权重；

将所述文本段落映射成特征向量。

4.如权利要求1所述的方法，其特征在于，步骤“对文本段落的原始特征向量进行高层次特征向量的提取”具体为：

通过无监督学习方法进行文本段落的特征向量的抽取训练；

通过无监督学习方法对新的文本段落进行高层次特征向量抽取。