[发明专利]一种对论文引用关系分类标记的方法

说明书

一种对论文引用关系分类标记的方法，所述方法包括以下步骤：S1:利用论文A标题中特定的介词，将标题分解为“方法”和“任务”两部分，其中综述类论文和划分失败的论文单独分类；S2:计算论文A的方法与论文B的标题的余弦相似度Sm，以及论文A的任务与论文B标题的相似度St；S3:基于S2的结果，将论文A对论文B的引用关系分成方法相似、任务相似等五类。本发明对论文之间的引用关系进行区分，提高对引用关系描述的准确性，提供一种基于标题分解的对论文引用关系分类标记的方法。

技术领域

本发明涉及数据挖掘和自然语言处理领域，更进一步涉及一种为论文引用关系进行分类标注的数据挖掘方法。

背景技术

论文引用关系记录一篇论文对另一篇已发表的论文的引用，通常表示这两篇论文之间存在某种关联关系或相似性。在文献数据分析和挖掘的很多问题中都要用到论文之间的引用关系，比如参考文献推荐、论文归类、热点主题检测等。但是，直接拿到的论文引用关系只记录引用的存在，并不包含更细节的信息即引用关系的类型。把所有引用关系不作区分等价地对待在具体应用时会带来某些问题。因此，对论文之间的引用关系进行分类标记从而细化引用信息描述对基于引用关系的分析和挖掘具有重要意义。

发明内容

为了克服已有技术无法对论文之间的引用关系进行区分的不足，为了对论文之间的引用关系进行区分，提高对引用关系描述的准确性，本发明提供一种基于标题分解的对论文引用关系分类标记的方法。

本发明解决其技术问题所采用的技术方案是：

一种对论文引用关系分类标记的方法，所述方法包括以下步骤：

S1:利用论文A标题中特定的介词，将标题分解为“方法”和“任务”两部分，其中综述类论文和划分失败的论文单独分类

S2:计算论文A的方法与论文B的标题的余弦相似度Sm，以及论文A的任务与论文B标题的相似度St，过程如下：

其中，m和m^T表示论文A方法的词向量及其转置，t和t^T表示论文A任务的词向量及其转置，x_b表示论文B的词向量；词向量表示基于经典的词袋模型，即向量的维度为对应词典的大小，在某个维度的值的大小表示该词在对应文本中出现的次数；

S3:基于S2的结果，将论文A对论文B的引用关系分成以下五类：

第一类：S_m＞0，S_t＝0即论文A引用论文B是因为后者与前者的方法相似；

第二类：S_m＝0，S_t＞0即论文A引用论文B是因为后者与前者的任务相似；

第三类：S_m＞0，S_t＞0,即论文A引用论文B是因为两者在方法和任务上都相似；

第四类：S_m＝0，S_t＝0，即论文A引用论文B是因为除了方法和任务之外的相关性；

第五类：论文A的类型为综述或论文A的标题无法根据以上方法分解时。

进一步，所述方法还包括以下步骤：

S4:基于以上分类的引用关系进行可视化，用有向图对论文引用关系进行可视化，节点表示论文，有向边表示引用关系。

优选的，所述步骤S4中，基于S3的分类，对引用关系网络进行图可视化，并对每条边附加以数字1到5表示的类别标签。

所述步骤S1中，介词及划分方法如下：

[方法]for[任务]

[任务]with[方法]