面向?qū)W科領(lǐng)域的學術(shù)文獻語義標注框架研究

1、PAGE 19 -面向?qū)W科領(lǐng)域的學術(shù)文獻語義標注框架研究海量的學術(shù)文獻為科研工的研究帶來了困難。語義標注是實現(xiàn)學術(shù)文獻的快速閱讀和知識的快速獲取的基礎(chǔ)，因此，本文旨在構(gòu)建一個面向?qū)W科領(lǐng)域的學術(shù)文獻語義標注框架，以規(guī)范和豐富學術(shù)文獻的標注體系。本文從三個方面進行了研究：一是學術(shù)文獻標注本體的構(gòu)建，二是學科領(lǐng)域本體的構(gòu)建，三是標注本體與領(lǐng)域本體的關(guān)聯(lián)實例。本文從學術(shù)文獻內(nèi)容定位、概念關(guān)聯(lián)、方法流程標注及引文標注幾個方面給出了標注的實例。1 引言20世紀80年代起，隨著互聯(lián)網(wǎng)及計算機軟硬件的發(fā)展，數(shù)字出版的基礎(chǔ)設(shè)施逐步發(fā)展成熟，數(shù)字學術(shù)出版物應(yīng)運而生，而隨之帶來的是數(shù)字學術(shù)出版物在數(shù)量上呈現(xiàn)爆發(fā)式增

2、長。2022年STM報告：科技及學術(shù)期刊出版概述指出：截至2022年，CrossRef數(shù)據(jù)庫包含超過7100萬個DOI號，Google學術(shù)索引了1億1.6億的學術(shù)資源(包括期刊文獻、書籍和灰色文獻)，Web of Science數(shù)據(jù)庫中包含了約9000萬條記錄；截至2022年9月，中國學術(shù)期刊(網(wǎng)絡(luò)版)共收錄接近5000萬篇中文學術(shù)文獻。在這種背景下，學術(shù)交流產(chǎn)生了重大的變革。研究者可以從網(wǎng)絡(luò)文獻數(shù)據(jù)庫中獲取到大量的學術(shù)文獻，這為研究者的研究工作提供了非常好的基礎(chǔ)，但同時如此大體量的資源為學術(shù)工作的展開也帶來了困難。首先，新概念的產(chǎn)生或者新涉足某一領(lǐng)域時，研究者需要學習大量的已有知識才能跟上現(xiàn)

3、有的研究進展。而且，研究者的時間是有限的，獲取到的文獻越多，分配到單篇學術(shù)文獻閱讀的時間則相應(yīng)減少，Tenopir等1的研究就證實了這一假設(shè)研，研究者閱讀文獻不再是閱讀全文，而是獲取感興趣的內(nèi)容進行閱讀：研究者通過瀏覽許多文章的部分來尋找、評估和利用一系列的信息2，這種閱讀方式也被稱作碎片化閱讀。因此，第一個問題就是如何快速定位到文章的有用部分。另外，學術(shù)文獻中的知識元存在大量的關(guān)聯(lián)性，如引文關(guān)聯(lián)、相關(guān)概念等，如何組織這些相關(guān)的知識元是研究者面臨的第二個問題。因此，Renear等3提出了“策略閱讀”的概念，采用學科本體來表示及鏈接科學數(shù)據(jù)可以提高研究者閱讀學術(shù)文獻的效率，即需要利用學科本體對學

4、術(shù)文獻中的相關(guān)內(nèi)容進行語義標注(Semantic Annotation)。語義標注就是將本體或元數(shù)據(jù)中的概念與資源建立聯(lián)系的一個過程。其中，語義標注的核心是學科領(lǐng)域本體，本體最廣泛的定義是“本體是概念模型的明確的規(guī)范說明”4，它可以靈活地定義事物結(jié)構(gòu)，以元數(shù)據(jù)的模式，提供概念受控詞表，每個概念都包括一個明確定義的機器可理解的語義，且概念與概念之間的關(guān)聯(lián)也顯式地進行了定義，這樣的結(jié)構(gòu)能夠讓計算機進行推理應(yīng)用。學術(shù)文獻的語義標注就是借助領(lǐng)域本體，將學術(shù)文獻中的相關(guān)內(nèi)容與本體中的知識元(概念或關(guān)系)進行鏈接，當讀者需要獲取文獻中知識元對應(yīng)的描述時，可以借助語義本體從對應(yīng)的知識庫中進行獲取。例如，Te

5、xtpresso5就是一個與本體關(guān)聯(lián)的數(shù)據(jù)挖掘系統(tǒng)，它所包含的學術(shù)文獻集依據(jù)本體中的術(shù)語分為了33個類別，用戶輸入一個或多個標記或關(guān)鍵詞集合就可以定位到學術(shù)文獻中特定的句子，并可獲取本體中詞對應(yīng)的含義，支持語義查詢。預(yù)先對學術(shù)文獻的結(jié)構(gòu)、內(nèi)容或引文信息進行標注后，讀者可以通過這些標注信息快速定位到文章的部分內(nèi)容實現(xiàn)“策略閱讀”。目前，已有一些研究針對資源語義標注框架提出了標注本體的概念，標注本體旨在針對學術(shù)文獻提出一個規(guī)范的本體框架，進而采用標注本體中的概念對學術(shù)文獻的內(nèi)容進行標注。目前已有的標注本體有PAV6、PROV-O7以及AO8本體等。其中，PAV本體用于獲取數(shù)字科技資源的出處、以及版

6、本信息，用以區(qū)別資源被獲取、轉(zhuǎn)換以及消費的過程；PROV-O是W3C小組制定的用于統(tǒng)一資源交換的本體；AO本體提供了用于標注生物醫(yī)學領(lǐng)域科技文獻的概念及關(guān)系。但是，現(xiàn)有的研究主要集中在標注本體的制定上，而如何對學術(shù)文獻進行標注的研究比較少。為了實現(xiàn)學術(shù)文獻的語義標注，首先需要明確學術(shù)文獻所包含的知識元類型，在繼承已有標注本體的基礎(chǔ)上構(gòu)建一個面向?qū)W術(shù)文獻標注的標注本體，除了包含學術(shù)文獻的一些標準元數(shù)據(jù)信息(、創(chuàng)建者、創(chuàng)建時間)以外，還包括了學術(shù)文獻中的主題、發(fā)現(xiàn)、方法論等；其次，需要構(gòu)建一個與某一學術(shù)領(lǐng)域相關(guān)專業(yè)術(shù)語的領(lǐng)域本體，包含該領(lǐng)域的概念及概念間的關(guān)聯(lián)；最后，要將學術(shù)文獻中的內(nèi)容與本體中的

7、概念一一對應(yīng)，從而可以通過標注信息實現(xiàn)文獻的快速瀏覽，也可以通過URI對相應(yīng)概念做進一步了解。因此，本文旨在構(gòu)建學科領(lǐng)域?qū)W術(shù)文獻語義標注框架，提出適用于學術(shù)文獻語義標注的標注本體，以及針對學術(shù)文獻具體內(nèi)容(如引文信息、內(nèi)容信息等)進行語義標注的方法。本文提出的學術(shù)文獻語義標注框架也是實現(xiàn)文獻語義檢索的基礎(chǔ)，通過語義標注，給予機器可以理解的語義，讓使用者更方便更有效地利用學術(shù)文獻，另外，提出的學術(shù)文獻標注本體，可以被其他標注本體進行繼承和擴展，具有較高的實踐價值。2 相關(guān)研究2.1 學術(shù)文獻語義標注方法相關(guān)研究學術(shù)文獻標注主要有兩種方法：一是社會標注，研究者在學術(shù)文獻閱讀過程中使用輔助閱讀或管理

8、的軟件進行標注；二是采用機器自動進行學術(shù)文獻的標注。社會標注，即folksonomies，目前已有一些面向?qū)W術(shù)文獻的標注軟件，如Utopia、Mendeley，這些軟件可以自動獲取到文章的一些元數(shù)據(jù)信息，如題名、摘要、DOI、URL等，也可以獲取讀者的統(tǒng)計數(shù)據(jù)以及讀者對文章內(nèi)容的標注。這類軟件有利于資源的分類和組織，標簽可以提升檢索效率，也促進了以同一興趣標簽的社交網(wǎng)絡(luò)生成。但是社會標注有一些缺陷，不同的表達、詞的歧義、不同粒度，都為標簽的共享和重用帶來困難。機器學習方法進行標注可以減少人工標注的成本。Boella等9提出了一種結(jié)合語言學及機器學習的方法來進行語義標注，語言學方法主要依賴于PO

9、S標注以及句法分析，再將這些元素轉(zhuǎn)化為特征集，采用支持向量機來對文本進行語義標注。段宇鋒等10結(jié)合樸素貝葉斯和弱監(jiān)督學習方法Bootstrapping來迭代學習和標注中文物種領(lǐng)域的文本。Vidal等11提出了一種基于圖的方法來對e-Learning領(lǐng)域的教學資源文檔進行標注，每個相關(guān)術(shù)語鏈接到本體中的子圖，這一擴展過程中，排除與文檔主題不相關(guān)的信息，因而有一系列本體子圖標注文檔，最后取這些本體子圖的交集作為文檔的語義標注。2.2 學術(shù)文獻元數(shù)據(jù)或標注本體相關(guān)研究目前，針對資源描述出現(xiàn)了一些元數(shù)據(jù)以及標注本體。都柏林核心元數(shù)據(jù)適用于描述和管理數(shù)字資源及館藏資源，包括題名、創(chuàng)建者、主題及關(guān)鍵詞、說

10、明、出版者等15個廣義元數(shù)據(jù)。PROV本體(PROV-O)是針對不同系統(tǒng)不同內(nèi)容生成的信息進行表示、交換或集成的本體，由W3C小組開發(fā)、管理和維護。PAV本體是用于獲取網(wǎng)絡(luò)資源的出處、以及版本信息的本體。標注本體(AO)是與標注相關(guān)的本體，包括評論、實體標注(或語義標注)、文本標注(經(jīng)典標記)、筆記等用于部分或全部電子文檔(文本、圖片、聲音、表格等)的標注信息。SWAN12本體描述了艾滋海默癥領(lǐng)域的知識，它作為一個知識支撐系統(tǒng)能夠有效地支持艾滋海默領(lǐng)域研究，并且它與SIOC本體進行了本體對齊，為不同粒度級別的科學論述的表示提供了一個完整的模型。SPAR本體是用于描述出版領(lǐng)域的本體，它為語義出版

11、和引文提供了一套可以機讀的RDF元數(shù)據(jù)集，包括文檔的描述，文獻目錄識別，引文的類型和相關(guān)內(nèi)容，書目引文，文檔的部分及狀態(tài)，個體的角色及貢獻，文獻計量學數(shù)據(jù)及工作流程。SPAR本體包括下述子本體：FaBiO是用于描述出版或者潛在出版實體的本體；CiTO是一種引文本體，用來描述引文的特性及類型，并允許標注者標記引文鏈接和引用意圖；BiRO是用于描述書目記錄及參考文獻的本體；C4O是用于描述參考文獻引文的本體，如文本內(nèi)部參考文獻指針、文本被引用文獻引用的次數(shù)等；DoCO提供了文檔結(jié)構(gòu)元素的詞表，如段落、節(jié)或列表等；PSO是用于描述文件出版狀態(tài)或者出版過程中不同階段的出版實體的本體，如提交、審稿中、拒

12、稿、接收等；PRO是用于描述個體出版過程中(如、編輯、評審等)的角色的本體；PWO13是用于描述出版實體在出版過程中的步驟的本體，如文章在審稿中、印刷、發(fā)表等；DEO為文件中的修飾元素提供了一個結(jié)構(gòu)化的詞表，如引言、討論、致謝、參考文獻列表、附錄等；SCoRO是用于描述學術(shù)貢獻及角色的本體；FRAPO是用于描述研究項目信息的本體，如撥款申請、資助機構(gòu)、項目合等；BiDO是用于描述文獻數(shù)據(jù)中數(shù)字和分類的模塊本體，如期刊影響因子、H-指數(shù)、研究類型分類等；Five*是描述網(wǎng)絡(luò)期刊文章中五種屬性的本體。對于描述學術(shù)資源的數(shù)據(jù)的規(guī)范，學術(shù)文獻語義標注本體可在繼承現(xiàn)有元數(shù)據(jù)和標注本體的基礎(chǔ)上加以擴展。2

13、.3 學術(shù)文獻內(nèi)容提取相關(guān)研究目前，一些研究針對學術(shù)文獻中的元數(shù)據(jù)元素、文獻結(jié)構(gòu)以及引文的提取提出了方案。Constantin等14設(shè)計了基于規(guī)則的系統(tǒng)PDFX，利用設(shè)計的規(guī)則和特征集進行了元數(shù)據(jù)的抽取以及標注文本片段。Kovriguina等15研究采用規(guī)則和模板匹配的方法從會議文獻中提取元數(shù)據(jù)。Tkaczyk等16主要采用啟發(fā)式規(guī)則及支持向量機方法實現(xiàn)了基本結(jié)構(gòu)抽取，采用支持向量機以及簡單的規(guī)則進行元數(shù)據(jù)抽取，采用支持向量機及條件隨機場模型實現(xiàn)了引文抽取。Han等17研究了采用支持向量機進行學術(shù)文獻元數(shù)據(jù)(包括題名、機構(gòu)、地址、致謝、版權(quán)、引文、Email、出版時間、摘要、引言、聯(lián)系方式、關(guān)

14、鍵詞、URL、程度、出版號、頁面范圍等)的抽取，該方法通過預(yù)測類標簽進行迭代收斂來提升分類效果，再通過查找每行的塊邊界來進行元數(shù)據(jù)抽取。另一個采用支持向量機的學術(shù)文獻元數(shù)據(jù)抽取方法是等18提出的CRIS系統(tǒng)。引文內(nèi)容是學術(shù)文獻中引用的與之相關(guān)的資源。等19采用線性條件隨機場實現(xiàn)了參考文獻字符串的抽取。目前的研究主要是基于規(guī)則、模板和一些學習方法，但是這些方法主要是基于領(lǐng)域內(nèi)一些手工提取的特征，為了突破這一限制，An等20探索了采用序列標注的深度神經(jīng)網(wǎng)絡(luò)模型進行引文元數(shù)據(jù)抽取。2.4 相關(guān)研究綜合述評目前，針對學術(shù)文獻或?qū)W術(shù)資源進行語義標注的研究主要還是基于人工標注的方法，通過設(shè)計標注軟件或網(wǎng)頁

15、，利用社會標注方法來對學術(shù)文獻進行標注，這類標注方法目前僅對學術(shù)文獻的一些信息(如關(guān)鍵詞、信息、題名等)作淺層標注，并未涉及針對學術(shù)文獻進行語義標注。相關(guān)研究主要集中在對標注本體的設(shè)計、學術(shù)文獻中一些信息(包括關(guān)鍵詞、結(jié)構(gòu)信息等)進行機器自動抽取的研究。而如何實現(xiàn)對學術(shù)文獻的語義標注，即如何將學術(shù)文獻中的內(nèi)容與領(lǐng)域本體進行語義關(guān)聯(lián)，目前的研究較少涉及，因此，本文提出了學術(shù)文獻的語義標注框架。3 學科領(lǐng)域語義標注框架整個學術(shù)文獻的標注流程如圖1所示，本文提出一種適合手工標注與機器自動標注的學科領(lǐng)域語義標注框架。整個語義標注流程如下：首先，計算機按照標注本體或者元數(shù)據(jù)對文獻中對應(yīng)項進行讀取并預(yù)處理

16、，抽取出對應(yīng)的信息，將計算機確定的條目(如期刊信息、題名等)抽取結(jié)果存入知識庫；其次，針對標注本體中的一些復(fù)雜項(如文獻主題、關(guān)鍵詞、研究問題、解決方案等)，計算機將領(lǐng)域本體中的概念或關(guān)系與對應(yīng)的抽取項進行關(guān)聯(lián)，并將抽取結(jié)果提交給專家(或用戶)選擇標注；有文獻閱讀需要的用戶在閱讀文獻后，可以利用標注工具對文獻中的某些標注項進行標注，對計算機的抽取結(jié)果進行篩選，最后標注工具將用戶的標注結(jié)果提交到知識庫。圖1 語義標注流程圖其中，知識庫包括本體庫、標注元數(shù)據(jù)以及文獻語義標注后的知識，知識庫可以輔助機器對文檔的自動標注與標注人員的手工標注。本體庫中包含標注本體和學科領(lǐng)域本體，例如生物醫(yī)學領(lǐng)域已有較多

17、的本體，在本體標注時可以借助已有本體進行使用，然后其他一些領(lǐng)域并不具備這種條件，沒有已構(gòu)建好的本體，因此，需要采用本體自動構(gòu)建技術(shù)對該領(lǐng)域進行構(gòu)建。為了實現(xiàn)學術(shù)文獻的語義標注，整個語義框架完成實現(xiàn)以下內(nèi)容：(1)面向?qū)W科領(lǐng)域的學術(shù)文獻，從獲取目前已有的元數(shù)據(jù)和標注本體出發(fā)，整理學術(shù)文獻相關(guān)的概念和屬性，構(gòu)建標注本體。(2)構(gòu)建學科領(lǐng)域本體，獲取學術(shù)領(lǐng)域的專業(yè)術(shù)語及關(guān)系。(3)將學術(shù)文獻中標注中的標記與學科領(lǐng)域本體中的概念關(guān)聯(lián)。3.1 標注本體設(shè)計3.1.1 標注本體設(shè)計的目標標注本體是為了描述需要標注的對象(即學術(shù)文獻)中的元素、結(jié)構(gòu)等信息，包括學術(shù)文獻中的一些元數(shù)據(jù)，如題名、等；學術(shù)文獻中的

18、一些科學論述，如陳述、假設(shè)等；學術(shù)文獻中的結(jié)構(gòu)元素，如章、節(jié)、段落等；學術(shù)文獻中的引文信息，如引用次數(shù)，引用文獻等；某個領(lǐng)域的學術(shù)文獻中的概念(專業(yè)術(shù)語)與關(guān)系。3.1.2 標注本體中的元素本文的標注本體繼承了一些已有的本體(SPAR本體、FOAF、OA等)，并在此基礎(chǔ)上進行了擴展。標注本體主要包含以下幾類概念及屬性：(1)學術(shù)文獻相關(guān)的個體(Agent)：包括學術(shù)文獻在撰寫、出版過程、檢索利用中相關(guān)的人、機構(gòu)及軟件。(2)學術(shù)文獻相關(guān)的實體(Entity)：不同種類的學術(shù)文獻，學術(shù)文獻中的科學論述以及學術(shù)文獻中的結(jié)構(gòu)部分，學術(shù)文獻參考文獻記錄及引文信息。(3)與學術(shù)文獻相關(guān)的活動(Activ

19、ity)：如撰寫、修改、提交、印刷等活動，以及與這些活動相關(guān)的時間節(jié)點或時間區(qū)間。圖2展示了學術(shù)文獻標注本體的概念層級結(jié)構(gòu)。3.1.3 學術(shù)文獻相關(guān)的個體在學術(shù)文獻中，有一些個體作為參與者，如人、軟件、組織及機構(gòu)。針對這些元素，我們繼承了部分FOAF中的類，以一篇期刊文獻來舉例，可獲取文獻的，其在引用另一篇期刊文獻時，被引的文獻中包含的姓名也可被獲取，這些都作為FOAF本體中Person類的實例存在。3.1.4 學術(shù)文獻相關(guān)的實體1)學術(shù)文獻的種類本文對學術(shù)文獻的種類進行了分類并總結(jié)，不同類型的學術(shù)文獻的撰寫規(guī)范、包含元素、結(jié)構(gòu)、內(nèi)容不一致，本文主要將學術(shù)文獻分為：書籍、文章、報告、會議文章等

20、13個大類，并在此基礎(chǔ)上又進行細分，例如，文章又可以分為綜述類文章、新聞類文章、雜志文章以及期刊文章。本文的學術(shù)文獻類型繼承了Fabio本體中的一些概念，其概念層次關(guān)系如圖3所示。圖2 學術(shù)文獻標注本體包含的概念圖3 學術(shù)文獻類型的概念層次關(guān)系2)學術(shù)文獻的科學論述及結(jié)構(gòu)元素學術(shù)文獻的科學論述元素是指單篇學術(shù)文獻所提的觀點，在國外稱為scientific discourse，包括斷言、提出問題、假設(shè)、支持的證據(jù)以及它們之間的論證關(guān)系，每個科學論述元素可以與學科領(lǐng)域本體或者社會標注中的術(shù)語或者斷言進行鏈接。斷言在學術(shù)文獻中通常指一些主觀性比較強的言論，例如對某個術(shù)語下的定義。提出問題通常是一個研

21、究或者實驗開展的主題。學術(shù)文獻中的參考文獻及引文就為科學論述元素提供支持的證據(jù)。學術(shù)文獻中的結(jié)構(gòu)元素是組成學術(shù)文獻的部分，包括引言、背景、相關(guān)研究、方法、討論、數(shù)據(jù)等期刊學術(shù)文獻的結(jié)構(gòu)，也包括前言、后記、附錄等書籍修飾部分，以及章節(jié)、段落、句子等學術(shù)文獻粒度。為了本體的共享和重用，上述的元素繼承了doco本體、deo本體以及fabio本體，其主要概念層次關(guān)系如圖4所示。圖4 學術(shù)文獻中的科學論述及結(jié)構(gòu)元素圖3)學術(shù)文獻參考文獻及引文元素通常情況下，學術(shù)文獻中的參考文獻通常是與當前文章相關(guān)的研究，或者為學術(shù)文獻中的論述提供證據(jù)。關(guān)于參考文獻及引文元素主要包括參考文獻集合描述、引用行為(其屬性包括

22、引用意圖及情感傾向)以及引文計量。關(guān)于參考文獻及引文的集合、記錄、列表等元素繼承自biro本體中的概念及屬性。根據(jù)學者引用文獻的意圖可以將引用行為分為：作為權(quán)威描述引用、作為數(shù)據(jù)源引用、作為證據(jù)引用、作為潛在方案引用、作為推薦閱讀引用、作為相關(guān)文章引用、作為原始文檔引用、作為信息源引用等幾類。根據(jù)學者引用文獻時對文獻的情感傾向，可將引用行為分為：同意、不同意、認為正確、批判、嘲諷、奚落、駁斥這幾類。這些概念及屬性繼承自cito本體中的一些概念及屬性。關(guān)于引文計量的概念及屬性，如總被引次數(shù)，主要繼承自c4o本體。3.1.5 學術(shù)文獻相關(guān)的活動與學術(shù)文獻相關(guān)的活動主要包括學術(shù)文獻創(chuàng)造、加工、修改、

23、使用過程中相關(guān)的活動，繼承PROV本體中的Activity類。這些活動主要有生產(chǎn)、提交、修改、接受、退回、出版、預(yù)印本發(fā)布、發(fā)行、撤回、勘誤等，主要繼承自Fabio本體。3.2 學科領(lǐng)域本體構(gòu)建為了將學術(shù)文獻中的專業(yè)術(shù)語與學科領(lǐng)域本體中的概念相關(guān)聯(lián)，首先需要構(gòu)建學科領(lǐng)域本體，該領(lǐng)域本體中包含的概念是某一學科領(lǐng)域中的專業(yè)術(shù)語，這些術(shù)語也可以是領(lǐng)域詞表中的術(shù)語轉(zhuǎn)化而來，本節(jié)介紹一種學科領(lǐng)域本體半自動構(gòu)建方法。(1)定義需要獲取學科的范疇，收集該學科領(lǐng)域相關(guān)的本體、詞表，考慮復(fù)用的可能。(2)獲取領(lǐng)域內(nèi)的術(shù)語：首先確定領(lǐng)域內(nèi)術(shù)語的類型，如任務(wù)、方法、工具、資源這幾個類別。收集領(lǐng)域內(nèi)的語料，對語料進行

24、文本轉(zhuǎn)化、去噪、分詞(英文語料包括詞根化)、詞性標注等預(yù)處理。結(jié)合語言學、統(tǒng)計學或機器學習方法自動地從語料中抽取術(shù)語，語言學方法需要按照領(lǐng)域內(nèi)術(shù)語的規(guī)律提煉出詞性模板，機器學習方法首先需要獲取用于抽取術(shù)語的特征。最后抽取出領(lǐng)域內(nèi)的術(shù)語。(3)獲取術(shù)語間的等級關(guān)系：首先定義一些等級關(guān)系的規(guī)則模板(例如，A是一種B，則A是B的子類)，從網(wǎng)頁或語料中獲取到等級關(guān)系概念對，再利用基于圖的方法獲取等級關(guān)系圖模型，最后利用圖剪枝方法去除冗余的關(guān)系。(4)獲取術(shù)語間的非等級關(guān)系：針對領(lǐng)域內(nèi)的知識，定義術(shù)語間非等級關(guān)系的類型(如部分-整體關(guān)系)；再到語料中獲取具有非等級關(guān)系的三元組，采用統(tǒng)計學方法判定非等級關(guān)

25、系三元組中概念對、動詞與概念對之間的關(guān)聯(lián)程度，取閾值內(nèi)的非等級關(guān)系三元組；再提取特征，采用機器學習的方法判斷提取三元組的類型。最后對生成的本體進行評價，或者重復(fù)上述過程。4 學術(shù)文獻語義標注實例學術(shù)文獻的語義標注可以是手工標注或是機器自動標注，無論是采用何種標注方法，均是對學術(shù)文獻或者其中某一部分，添加解釋或者進行語義鏈接。本節(jié)針對學術(shù)文獻中語義標注的常見類型進行區(qū)分，并給出學術(shù)文獻語義標注的實例。根據(jù)OA本體21中的規(guī)定，標注實例可以描述為類oa:Annotation的成員(實例)，包含標注主體(oa:hasBody)以及標注對象(oa:hasTarget)。針對標注實例，可以添加相關(guān)描述，

26、如標注者、創(chuàng)建時間等，標注者是FOAF本體中Person類的實例，如圖5左部分所示。同時，可以對標注動機進行描述，本文繼承了OA本體中的oa:motivatedBy，這些動機有評論、描述、分類、鏈接、標注等。標注對象是指學術(shù)文獻語義標注實例中需要進行標注的對象，可以是整個學術(shù)文獻或其部分。學術(shù)文獻的部分可以是學術(shù)文獻中的論述元素、某個結(jié)構(gòu)部分甚至是一個句子、一個詞語。例如，圖5中右圖采用OA本體中的片段選擇器指示到PDF學術(shù)文獻中的部分片段；又如，文本類型的文檔，可以定位到文本中的某個位置的字符中間的片段或者某個具體的詞，如圖6所示。圖5 學術(shù)文獻標注本體標注實例示意圖圖6 學術(shù)文獻標注對象位

27、置選擇及詞定位示意圖標注主體是標注本身，可以是一個文本類型的解釋，如圖5左部，還可以對標注主體進行描述，如文本方向、標注目的、語言、標注類型、值等。除了針對學術(shù)文獻進行解釋以外，還可將學術(shù)文獻的部分與領(lǐng)域本體或社會標注中的概念或?qū)I(yè)術(shù)語進行關(guān)聯(lián)。將文章的術(shù)語、論述元素、結(jié)構(gòu)片段或者全文鏈接到領(lǐng)域本體或者社會標注中的一個術(shù)語或概念。例如，圖7左部分將學術(shù)文獻與領(lǐng)域本體中的一個主題詞術(shù)語進行了關(guān)聯(lián)，表明該術(shù)語是學術(shù)文獻的主題詞，右部分將學術(shù)文獻中的術(shù)語與領(lǐng)域本體中的一個概念進行了關(guān)聯(lián)。對學術(shù)文獻的方法流程進行語義標注時，本文將其作為流程類的一個實例，繼承pwo本體中的相關(guān)概念及屬性，流程中所含的步驟單