基于规则嵌入的论文比对系统工作综述

项目介绍

项目目标

该系统可以对论文集合（比如某个会议某年发表的论文）进行比对，输出相似的论文对集合。

项目背景

学术论文是用科学语言记录下来的阶段性知识成果，是学术交流的重要方式。论文摘要高度概括了研究背景和问题、创新发现和实验验证等主要内容，是判断论文质量的首要依据。论文检索实际应用中，科研人员为了筛选相关工作，往往从摘要入手关注论文在不同子空间上的相似性，如是否面向相同的研究问题、是否用了相同的技术手段等。针对特定论文集合给出面向子空间的相似性比较结果，将能辅助科研人员快速获取论文要点，具有重要实用价值。

技术创新

1.数据集：术论文数据集，包括论文的ID、标题、摘要、关键字、引用关系、CCS分类，以及论文摘要中句子级别的子空间标记（研究背景、研究问题、贡献、方法、实验）。

创新点：子空间标记

2.核心算法：

相同子空间中论文之间的相似性与三种特征相关：

① CCS分类的相似度；

② reference的相似程度；

③ 在该子空间上的文本中关键词的相似度。

针对上述三种特征,参考BabbleLabble设计基于规则嵌入的深度模型，优化目标包括CCS分类中公共父节点的距离、reference的杰卡德相似系数、从子空间的文本中提取出的关键词的杰卡德相似系数。

创新点：基于规则嵌入的深度模型

（参考了斯坦福发的一篇论文“Training Classifiers with Natural Language Explanations”）

3.开发语言以及开发平台框架

Python
html5 css3 javascript
tensorflow/pytorch

工作内容

1.具体工作内容

1.1数据预处理

①数据集：ACM学术论文数据集（含有子空间标签）、scopus学术论文数据集（不含子空间标签）

②在scopus学术论文数据集上测试“子空间标记模型”

说明：这里的提到的“子空间标记模型”是实验室的前期任务，有直接可用的模型代码，ACM学术论文数据及上的子空间标签也是通过该模型获得的。

1.2核心算法编写

根据“CCS分类的相似度”“reference的相似程度”“在该子空间上的文本中关键词的相似度”这三个规则构建基于规则嵌入的深度模型，优化目标包括CCS分类中公共父节点的距离、reference的杰卡德相似系数、从子空间的文本中提取出的关键词的杰卡德相似系数，训练出一个相似度门限，使得高于门限的论文输出出来。

1.3web网站

主要功能为输入一篇论文的reference或者某个会议某年的论文集合，输出相似论文对。

网站界面设计为可以选择目标论文或目标会议、年份，选择好后，对五个子空间中，论文集合里相似的论文对进行展示。

预期成果

以web网站形式展示，网站功能为可以选择论文，以及会议、年份等信息，形成论文集和，输出该论文集合在五个子空间（研究背景、研究问题、贡献、方法、实验）上的论文相似对。