彭澤　葉光輝　畢崇武

關(guān)鍵詞： 學(xué)術(shù)文獻(xiàn)； 知識(shí)單元； 知識(shí)抽取； 知識(shí)關(guān)系； 知識(shí)交流

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０６．００６

〔中圖分類號(hào)〕Ｇ２５４ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２３） ０６－００５６－１１

隨著電子出版物的普及， 學(xué)術(shù)文獻(xiàn)的數(shù)量呈爆炸式增長(zhǎng)， “信息過載” 和“信息迷航” 等問題日趨嚴(yán)重。情報(bào)學(xué)界和出版業(yè)界正迫切地尋求學(xué)術(shù)文獻(xiàn)的語(yǔ)義表示方法， 以便將其從語(yǔ)義上關(guān)聯(lián)起來，滿足多樣化的信息需求。長(zhǎng)期以來， 雖然基于題錄數(shù)據(jù)的學(xué)術(shù)文獻(xiàn)關(guān)聯(lián)研究已十分豐富， 但始終沒有突破粒度的瓶頸深入到文本片段層面展開研究。與此同時(shí)， 學(xué)術(shù)界中以刊物評(píng)價(jià)學(xué)術(shù)質(zhì)量的不良學(xué)術(shù)風(fēng)氣得到越來越多人士的關(guān)注， 從新的視角構(gòu)建一種學(xué)術(shù)評(píng)價(jià)方式成為學(xué)界尤其是圖書情報(bào)領(lǐng)域一項(xiàng)迫切的研究工作。在此背景下， 從更細(xì)小、更微觀的粒度——知識(shí)單元對(duì)學(xué)術(shù)文獻(xiàn)開展評(píng)價(jià)就是一個(gè)十分重要的方向。

從目前學(xué)者們對(duì)于知識(shí)單元的認(rèn)識(shí)上來看， “知識(shí)單元” 的概念常常與“知識(shí)元” 的概念聯(lián)系在一起， 知識(shí)元強(qiáng)調(diào)獨(dú)立性、完整性、單一性， 是不可再分的、最小粒度的知識(shí)單元， 知識(shí)元的排列組合構(gòu)成了不同粒度的知識(shí)單元［１］ 。從表現(xiàn)形式上來看， 知識(shí)單元可以指一段文字、一段音頻、一段動(dòng)畫、一個(gè)程序等［２］ 。本文以學(xué)術(shù)文獻(xiàn)為知識(shí)載體， 知識(shí)單元特指蘊(yùn)含了某一領(lǐng)域知識(shí)的文獻(xiàn)文本片段。要開展知識(shí)單元粒度的學(xué)術(shù)資源關(guān)聯(lián)和學(xué)術(shù)成果評(píng)價(jià)， 就需要完成知識(shí)單元之間關(guān)系的定義、分類、識(shí)別等先行研究。知識(shí)單元的關(guān)系計(jì)量研究將揭示知識(shí)單元之間復(fù)雜的關(guān)聯(lián)關(guān)系， 分析知識(shí)單元在知識(shí)交流中所扮演角色的重要程度， 實(shí)現(xiàn)學(xué)術(shù)文獻(xiàn)間知識(shí)單元粒度的語(yǔ)義聯(lián)系， 使構(gòu)建更細(xì)粒度的學(xué)術(shù)評(píng)價(jià)體系成為可能。

１文獻(xiàn)回顧

１.１知識(shí)關(guān)系的抽取研究

１） 基于模式匹配的關(guān)系抽取方法， 即利用語(yǔ)言學(xué)規(guī)則， 從語(yǔ)義特征的視角， 結(jié)合語(yǔ)料庫(kù)特點(diǎn)編寫模板， 并以此從文本中獲取特定關(guān)系。例如， Ｈｅ?ａｒｔｓｔ Ｍ Ａ［３］ 通過人工定義的語(yǔ)義模板抽取知識(shí)之間的等級(jí)關(guān)系。劉琦等［４］ 利用人工抽取的上下文語(yǔ)義特征， 對(duì)知識(shí)中包含的實(shí)體進(jìn)行分類， 進(jìn)而提出了知識(shí)之間的類屬關(guān)系識(shí)別方法。除人工抽取關(guān)系模板之外， 一些研究也利用大規(guī)模優(yōu)化算法實(shí)現(xiàn)關(guān)系模板的自動(dòng)抽取， 并將這些關(guān)系模板應(yīng)用到不同的語(yǔ)料文本中［５－６］ 。例如， Ｐｏｎｚｅｔｔｏ Ｓ Ｐ 等［７］ 從Ｗｉｋｉ?ｐｅｄｉａ 中自動(dòng)獲取關(guān)系模板， Ｓｕｃｈａｎｅｋ Ｆ Ｍ 等［８］ 從Ｗｉｋｉｐｅｄｉａ 和Ｗｏｒｄｎｅｔ 中自動(dòng)獲取關(guān)系模板等。

２） 基于機(jī)器學(xué)習(xí)的關(guān)系抽取方法， 即在大量標(biāo)注數(shù)據(jù)的基礎(chǔ)上， 設(shè)計(jì)關(guān)系識(shí)別所需的特征， 選擇、訓(xùn)練、評(píng)估數(shù)學(xué)模型。例如， 基于深度學(xué)習(xí)的流水線關(guān)系抽取方法， 具體包括ＣＲ－ＣＮＮ［９］ 、Ａｔｔ－Ｐｏｏｌｉｎｇ－ＣＮＮ［１０］ 、Ａｔｔ－ＢＬＳＴＭ［１１］ 、ｄｅｐＬＣＮＮ＋ＮＳ［１２］ 、ＤｅｐＮＮ［１３］ 、ＣＮＮ＋Ｓｏｆｔｍａｘ［１４］ 等； 基于深度學(xué)習(xí)的聯(lián)合關(guān)系抽取方法， 具體包括ＬＳＴＭ － ＲＮＮ［１５］ 、ＡＰＣＮＮｓ［１６］ 、ＣＮＮ－ＲＬ［１７］ 以及Ｂｏｏｔｓｔｒａｐｐｉｎｇ 相關(guān)方法［１９－２０］ 等?？傮w說來， 流水線方法將實(shí)體識(shí)別和關(guān)系抽取作為兩個(gè)分離的過程獨(dú)立處理， 而聯(lián)合抽取方法將實(shí)體識(shí)別和關(guān)系抽取放在統(tǒng)一的模型中共同優(yōu)化。此外， 也有部分研究融合兩種方法， 在規(guī)則模板的基礎(chǔ)上采用基于統(tǒng)計(jì)或圖的機(jī)器學(xué)習(xí)方法進(jìn)行關(guān)系抽取， 但這類方法在很大程度上依賴語(yǔ)料庫(kù)的質(zhì)量和訓(xùn)練集的規(guī)模［２１－２２］ 。

１.２知識(shí)關(guān)系的類型研究

知識(shí)關(guān)系類型的早期研究側(cè)重于理論依據(jù)的溯源與建立， 隨著學(xué)者們對(duì)相關(guān)概念的進(jìn)一步明確，現(xiàn)有研究已轉(zhuǎn)向利用內(nèi)容和結(jié)構(gòu)特征劃分知識(shí)之間的關(guān)系類型［２３］ 。例如， 趙蓉英［２４］ 從知識(shí)節(jié)點(diǎn)類型的角度， 將知識(shí)關(guān)聯(lián)分為同一性關(guān)聯(lián)、隸屬性關(guān)聯(lián)和相關(guān)性關(guān)聯(lián)； 文庭孝等［２５］ 依據(jù)拓?fù)浣Y(jié)構(gòu)將知識(shí)之間的關(guān)系類型劃分為鏈?zhǔn)疥P(guān)系、等級(jí)關(guān)系和網(wǎng)絡(luò)關(guān)系； 高繼平等［２６］ 將知識(shí)之間的關(guān)系劃分為等同關(guān)系、交叉關(guān)系、隸屬關(guān)系、引用關(guān)系、共現(xiàn)關(guān)系等。此外， 還有部分學(xué)者從引文內(nèi)容視角探究知識(shí)節(jié)點(diǎn)之間的引用類型， 并以此作為對(duì)應(yīng)知識(shí)單元間關(guān)系類型的補(bǔ)充［２７－２９］ 。

知識(shí)關(guān)系類型的劃分通常需要抽取對(duì)應(yīng)知識(shí)的上下文語(yǔ)法特征和語(yǔ)義特征， 并基于這些特征完成分類任務(wù)。在語(yǔ)法特征方面， Ｗｏｏｄｓ Ｗ Ａ［３０］ 將知識(shí)描述中的組合詞語(yǔ)劃分到不同類別， 并利用這些組合詞語(yǔ)的頭部（ｈｅａｄ）及其修飾語(yǔ)（ｍｏｄｉｆｉｅｒ）判斷知識(shí)之間的關(guān)系類型。張衛(wèi)等［３１］ 利用不同詞語(yǔ)在內(nèi)容與結(jié)構(gòu)上的相同之處， 定義了一組通用的特征模板， 以此判定知識(shí)之間的層次關(guān)系。在語(yǔ)義特征方面， 徐庶睿等［３２］ 利用引文內(nèi)容和學(xué)科信息識(shí)別主題級(jí)學(xué)科知識(shí)的交叉關(guān)系； Ｌｉｐｅｔｚ Ｂ Ａ［３３］ 將施引文獻(xiàn)和被引文獻(xiàn)之間的知識(shí)關(guān)系歸納為４ 類２９ 種，并通過分析學(xué)術(shù)文獻(xiàn)之間的知識(shí)關(guān)系， 篩選出更有價(jià)值的學(xué)術(shù)文獻(xiàn)； 盧超等提出學(xué)術(shù)文獻(xiàn)知識(shí)及其復(fù)雜關(guān)系的深入挖掘與解析方法， 并強(qiáng)調(diào)研究視野、理論、技術(shù)和應(yīng)用應(yīng)隨著社會(huì)發(fā)展、數(shù)據(jù)積累和技術(shù)進(jìn)步， 做相應(yīng)轉(zhuǎn)變和調(diào)整［３４－３５］ 。

２知識(shí)單元的關(guān)系計(jì)量方法

知識(shí)單元之間存在著語(yǔ)義、結(jié)構(gòu)、功能等方面的語(yǔ)義關(guān)聯(lián)。本文將知識(shí)單元間的關(guān)系劃分為兩大類： 在學(xué)術(shù)文獻(xiàn)內(nèi)， 從文章結(jié)構(gòu)、知識(shí)主題等角度探究知識(shí)單元的關(guān)聯(lián)關(guān)系； 在學(xué)術(shù)文獻(xiàn)間， 從引用頻次、引用位置、引用傾向和引用主題等角度探究知識(shí)單元的關(guān)聯(lián)關(guān)系。

２.１學(xué)術(shù)文獻(xiàn)中的知識(shí)單元關(guān)系分類

學(xué)術(shù)文獻(xiàn)內(nèi)部知識(shí)單元之間的關(guān)系主要從篇章結(jié)構(gòu)角度出發(fā)， 探究各知識(shí)單元在結(jié)構(gòu)分布和主題承接等方面的關(guān)聯(lián)關(guān)系。在此基礎(chǔ)上， 學(xué)術(shù)文獻(xiàn)內(nèi)知識(shí)單元關(guān)系又可進(jìn)一步劃分成同一結(jié)構(gòu)內(nèi)和不同結(jié)構(gòu)間的知識(shí)單元關(guān)系。

同一結(jié)構(gòu)內(nèi)的知識(shí)單元關(guān)系相較于不同結(jié)構(gòu)間的知識(shí)單元關(guān)系更復(fù)雜， 如表１ 所示。引言、相關(guān)研究中的知識(shí)單元起到的作用往往是引入研究對(duì)象、描述研究背景、陳述研究成果， 大多以羅列的方式出現(xiàn)， 這樣的知識(shí)單元往往不會(huì)直接描述研究的理論、方法等內(nèi)容。因此， 對(duì)于這兩種結(jié)構(gòu)內(nèi)的知識(shí)單元， 本文將其之間的關(guān)系全部稱為“并列”關(guān)系。摘要和結(jié)語(yǔ)是對(duì)一篇文獻(xiàn)全文內(nèi)容的凝練，每句話都有對(duì)應(yīng)的研究?jī)?nèi)容， 上下文具備很強(qiáng)的關(guān)聯(lián)關(guān)系。對(duì)于同出現(xiàn)在摘要或同出現(xiàn)在結(jié)語(yǔ)中的知識(shí)單元， 如果具有不同的知識(shí)主題， 則為“并列”關(guān)系； 如果具備相同的知識(shí)主題， 且情感傾向相同， 則為“承接” 關(guān)系； 如果具備相同的知識(shí)主題， 但情感極性相反， 則為“對(duì)立” 關(guān)系。值得注意的是， 由于摘要篇幅的限制， 很少會(huì)在摘要中出現(xiàn)“對(duì)立” 關(guān)系。正文是一個(gè)研究的主體內(nèi)容，作者會(huì)在這一部分詳細(xì)陳述研究的理論、方法、工具、過程、結(jié)果、分析等， 這部分內(nèi)容占據(jù)著文章的主要篇幅， 往往會(huì)詳細(xì)敘述研究細(xì)節(jié)， 語(yǔ)句凝練程度不高。對(duì)出現(xiàn)在正文中的知識(shí)單元， “承接”和“對(duì)立” 關(guān)系的判斷規(guī)則仍與摘要一致， 但正文中陳述性文字較多， 知識(shí)單元的關(guān)聯(lián)性降低。因此， 本文將正文中主題不同的知識(shí)單元間關(guān)系稱為關(guān)聯(lián)程度更低的“獨(dú)立” 關(guān)系。

不同結(jié)構(gòu)間的知識(shí)單元關(guān)系相對(duì)而言較為簡(jiǎn)單， 如表２ 所示?！俺薪印?關(guān)系是指， 兩個(gè)知識(shí)單元處于學(xué)術(shù)文獻(xiàn)中的兩個(gè)不同結(jié)構(gòu)， 且知識(shí)主題和情感傾向都相同， 其描述內(nèi)容相關(guān)， 均是對(duì)同一研究對(duì)象開展的不同層次探究； “對(duì)立” 關(guān)系是指，兩個(gè)知識(shí)單元處于學(xué)術(shù)文獻(xiàn)中的兩個(gè)不同結(jié)構(gòu)， 且知識(shí)主題相同但情感傾向不同， 其描述的內(nèi)容相關(guān)， 但一者是對(duì)另一者的否定； “獨(dú)立” 關(guān)系是指， 兩個(gè)知識(shí)單元處于學(xué)術(shù)文獻(xiàn)中兩個(gè)不同結(jié)構(gòu)，但知識(shí)主題不同時(shí)， 其描述內(nèi)容關(guān)聯(lián)性不強(qiáng)且沒有結(jié)構(gòu)上的強(qiáng)關(guān)聯(lián)。

２.２學(xué)術(shù)文獻(xiàn)間的知識(shí)單元關(guān)系分類

學(xué)術(shù)文獻(xiàn)間知識(shí)單元關(guān)系橋梁是學(xué)術(shù)文獻(xiàn)之間的相互引用行為， 知識(shí)單元在引用過程中經(jīng)過不同程度的吸收、改造、重組后， 出現(xiàn)在另一篇學(xué)術(shù)文獻(xiàn)中的現(xiàn)象十分普遍。因此， 本文從引文分析的視角出發(fā)， 考慮引用頻次、引用位置、引用傾向、引用主題等因素， 探究學(xué)術(shù)文獻(xiàn)之間知識(shí)單元的關(guān)聯(lián)關(guān)系。

學(xué)術(shù)文獻(xiàn)之間通過題錄數(shù)據(jù)建立的引用關(guān)系并不能直接映射到兩個(gè)知識(shí)單元上， 因此， 如何確定知識(shí)單元間的相互引用關(guān)系是建立學(xué)術(shù)文獻(xiàn)間知識(shí)單元關(guān)系的基礎(chǔ)。對(duì)于被引文獻(xiàn)而言， 其包含的所有知識(shí)單元都有可能被施引文獻(xiàn)吸收； 對(duì)于施引文獻(xiàn)而言， 雖然引用標(biāo)識(shí)只會(huì)出現(xiàn)在文中特定位置，但吸收的知識(shí)單元也有可能被作者內(nèi)化后放置在文中的多個(gè)地方。所以知識(shí)單元之間的引用關(guān)系并不是簡(jiǎn)單的一對(duì)一關(guān)系， 在兩篇學(xué)術(shù)文獻(xiàn)之間， 一個(gè)知識(shí)單元可能被多個(gè)知識(shí)單元引用， 一個(gè)知識(shí)單元也可能是在引用多個(gè)知識(shí)單元后的產(chǎn)出。這就需要從語(yǔ)義層面揭示知識(shí)單元之間的關(guān)聯(lián)： 對(duì)于兩篇有引用關(guān)系的敘述文獻(xiàn)中的所有知識(shí)單元， 本文兩兩計(jì)算其主題相似度和語(yǔ)義相似度， 并加權(quán)求和得到引用系數(shù)， 當(dāng)引用系數(shù)超過預(yù)設(shè)的引用閾值時(shí)， 即可認(rèn)定兩知識(shí)單元間存在引用關(guān)系。

引用頻次是判斷被引文獻(xiàn)知識(shí)單元對(duì)于施引文獻(xiàn)知識(shí)單元重要性的指標(biāo)， 被引知識(shí)單元在施引文獻(xiàn)中引用的次數(shù)越多， 說明被引知識(shí)單元對(duì)施引文獻(xiàn)知識(shí)生產(chǎn)的重要性越強(qiáng)。引用位置體現(xiàn)了被引知識(shí)單元在施引文獻(xiàn)中承擔(dān)的功能， 施引文獻(xiàn)在不同結(jié)構(gòu)中引用被引知識(shí)單元， 其所起的作用也不同。引用傾向體現(xiàn)了施引知識(shí)單元對(duì)被引知識(shí)單元的所持態(tài)度， 在相互引用的過程中， 學(xué)者們對(duì)彼此研究的看法不一， 引用可能是正面引證， 也可能是反面對(duì)比。因此， 施引知識(shí)單元對(duì)被引知識(shí)單元持何種情感也是影響文獻(xiàn)間知識(shí)單元關(guān)系的重要因素。

基于以上因素， 本文將學(xué)術(shù)文獻(xiàn)間的知識(shí)單元關(guān)系按如表３ 所示規(guī)則劃分： 當(dāng)被引頻次等于１時(shí)， 只需要考慮引用位置和引用情感即可， 因此，將引用位置在引言和相關(guān)研究且持正面引用情感的知識(shí)單元關(guān)系稱為肯定性引用； 將引用位置在引言和相關(guān)研究但持反面引用情感的知識(shí)單元關(guān)系稱為批判性引用； 將引用位置在摘要、正文、結(jié)論且持正面引用情感的知識(shí)單元關(guān)系稱為肯定性繼承； 將引用位置在摘要、正文、結(jié)論但持反面引用情感的知識(shí)單元關(guān)系稱為批判性繼承。當(dāng)被引頻次大于１， 且存在一個(gè)及以上引用位置不在引言和相關(guān)研究時(shí)， 說明被引知識(shí)單元轉(zhuǎn)化為多個(gè)知識(shí)單元出現(xiàn)在施引文獻(xiàn)中， 對(duì)于施引文獻(xiàn)研究?jī)?nèi)容有十分重要的作用， 因此這種情況下的知識(shí)單元之間均為繼承關(guān)系。當(dāng)其持正面引用情感時(shí)為肯定性繼承， 持反面引用情感時(shí)為批判性繼承。此外， 被引頻次大于１ 但所有引用位置均在引言和相關(guān)研究時(shí)， 仍按被引頻次等于１ 時(shí)的規(guī)則判定。

２.３知識(shí)單元的知識(shí)交流角色劃分

知識(shí)單元關(guān)系的不斷鏈接形成了知識(shí)單元的關(guān)系網(wǎng)絡(luò)， 在知識(shí)單元的關(guān)系網(wǎng)絡(luò)背后， 實(shí)質(zhì)上是知識(shí)在不同知識(shí)單元間的交流、轉(zhuǎn)化， 知識(shí)單元間關(guān)系的數(shù)量、類型、方向決定了知識(shí)單元在知識(shí)交流中的角色。如圖１ 所示， 根據(jù)知識(shí)單元在知識(shí)交流網(wǎng)絡(luò)中的位置， 本文將沒有關(guān)系指入、只有關(guān)系指出的知識(shí)單元稱為起點(diǎn)型知識(shí)單元， 如知識(shí)單元Ａ、Ｂ； 將既有關(guān)系指入、又有關(guān)系指出的知識(shí)單元稱為中介型知識(shí)單元， 如知識(shí)單元Ｃ、Ｄ、Ｅ、Ｆ、Ｇ； 將沒有關(guān)系指出、只有關(guān)系指入的知識(shí)單元稱為終點(diǎn)型知識(shí)單元， 如知識(shí)單元Ｈ、Ｉ、Ｊ。

起點(diǎn)、中介、終點(diǎn)型知識(shí)單元又可以根據(jù)指入、指出的關(guān)系類型分成更多細(xì)分類型。圖２ 所示的是起點(diǎn)型知識(shí)單元的知識(shí)交流角色類型。當(dāng)起點(diǎn)指出的關(guān)系中肯定性繼承和肯定性引用關(guān)系類型占比最大時(shí)， 為引導(dǎo)式起點(diǎn)。引導(dǎo)式起點(diǎn)首次提出對(duì)應(yīng)主題的知識(shí)單元， 得到領(lǐng)域內(nèi)學(xué)者的普遍認(rèn)可，由此開辟出新的研究?jī)?nèi)容。當(dāng)起點(diǎn)指出的關(guān)系中批判性繼承和批判性引用關(guān)系類型占比最大時(shí)， 為爭(zhēng)議式起點(diǎn)， 爭(zhēng)議式起點(diǎn)同樣首次提出對(duì)應(yīng)主題的知識(shí)單元， 但引發(fā)了領(lǐng)域內(nèi)學(xué)者的激烈討論， 由此引發(fā)學(xué)者關(guān)于新研究?jī)?nèi)容的思考。值得注意的是， 在討論引導(dǎo)式起點(diǎn)和爭(zhēng)議式起點(diǎn)時(shí)， 起點(diǎn)指出的關(guān)系數(shù)量應(yīng)當(dāng)被一起討論， 因?yàn)楫?dāng)起點(diǎn)指出的關(guān)系過少時(shí)， 該起點(diǎn)往往不會(huì)引起足夠的關(guān)注， 在知識(shí)交流方面意義不大。甚至有些起點(diǎn)并沒有指向其他知識(shí)單元的關(guān)系， 同樣也沒有被其他知識(shí)單元關(guān)系指入， 這樣的知識(shí)單元被創(chuàng)造后并沒有得到其他知識(shí)單元的關(guān)注， 其提出的觀點(diǎn)也湮滅在浩瀚的學(xué)術(shù)文獻(xiàn)中， 實(shí)際上是一種游離節(jié)點(diǎn)。

圖３ 所示的是中介型知識(shí)單元的知識(shí)交流角色類型。當(dāng)指入中介節(jié)點(diǎn)的關(guān)系中批判性引用和肯定性引用關(guān)系類型占比最大時(shí)， 為知識(shí)轉(zhuǎn)述型中介。知識(shí)轉(zhuǎn)述型中介在吸收其他知識(shí)單元時(shí)， 以羅列、敘述為主， 多用作研究基礎(chǔ)或背景。當(dāng)指入中介節(jié)點(diǎn)的關(guān)系中批判性繼承和肯定性繼承關(guān)系類型占比最大時(shí)， 為知識(shí)轉(zhuǎn)化型中介。知識(shí)轉(zhuǎn)化型中介在吸收其他知識(shí)單元時(shí)， 不止進(jìn)行簡(jiǎn)單描述， 還通過改進(jìn)相關(guān)理論和方法產(chǎn)出新的知識(shí)。

圖４ 所示的是終點(diǎn)型知識(shí)單元的知識(shí)交流角色類型。當(dāng)知識(shí)單元沒有任何指向其他知識(shí)單元的關(guān)系時(shí)， 為絕對(duì)終點(diǎn)。絕對(duì)終點(diǎn)意味著到現(xiàn)階段為止， 其沒有向任何知識(shí)單元輸出知識(shí)， 關(guān)于該研究?jī)?nèi)容的知識(shí)交流在該節(jié)點(diǎn)暫止。當(dāng)知識(shí)單元的指出關(guān)系全部指向的是其他領(lǐng)域的知識(shí)單元時(shí)， 為相對(duì)終點(diǎn)。相對(duì)終點(diǎn)雖然沒有向本領(lǐng)域知識(shí)單元輸出知識(shí)， 但其在跨學(xué)科知識(shí)交流方面發(fā)揮著重要作用。

２.４知識(shí)單元主題及情感極性計(jì)算方法

在２.１～２.３小節(jié)的知識(shí)單元關(guān)系分類過程中，知識(shí)單元主題及情感傾向是區(qū)別知識(shí)單元關(guān)系類別的重要因素。本文選擇可以同時(shí)反映主題分布和各主題下主題詞分布的ＬＤＡ 主題聚類算法計(jì)算每個(gè)知識(shí)單元的主題分布情況。但是， ＬＤＡ 算法以詞集的形式輸出主題提取結(jié)果， 每個(gè)詞集代表一個(gè)主題， 因此提取結(jié)果并沒有明確的主題名稱， 這不利于知識(shí)單元的主題定義?；诖?， 本文通過人工歸納的方式把每個(gè)主題下的多個(gè)主題詞歸納成一個(gè)主題名稱， 用于標(biāo)注知識(shí)單元主題。

目前， 常見情感極性計(jì)算方法有基于詞典的情感傾向計(jì)算和基于機(jī)器學(xué)習(xí)的情感傾向計(jì)算兩大類。其中， 基于詞典的情感傾向計(jì)算方法適用性廣， 對(duì)語(yǔ)料主題的依賴性低。但由于中文表達(dá)方式多樣、語(yǔ)法豐富多變， 因此準(zhǔn)確度相對(duì)較低。知識(shí)單元是從文獻(xiàn)中截取的文本片段， 單個(gè)語(yǔ)料長(zhǎng)度較短且與上下文語(yǔ)境剝離， 并不適用基于詞典的情感傾向計(jì)算方法?；跈C(jī)器學(xué)習(xí)的情感傾向計(jì)算方法雖然對(duì)訓(xùn)練集語(yǔ)料的依賴性強(qiáng)、主題針對(duì)性高， 但本文語(yǔ)料集主題集中， 十分適合使用機(jī)器學(xué)習(xí)的方法計(jì)算知識(shí)單元情感傾向： 首先， 抽取部分知識(shí)單元文本作為訓(xùn)練集語(yǔ)料， 并人工標(biāo)注這些語(yǔ)料的情感傾向； 然后， 對(duì)訓(xùn)練集語(yǔ)料進(jìn)行單詞切分、雙詞搭配、“Ｊｉｅｂａ” Ｐｙｔｈｏｎ 包自動(dòng)分詞， 并根據(jù)訓(xùn)練結(jié)果選取準(zhǔn)確率最高的分詞方式作為特征表示方法；第三， 通過卡方檢驗(yàn)選取信息量較高詞匯進(jìn)行特征降維； 最后， 使用不同的訓(xùn)練器訓(xùn)練語(yǔ)料， 并挑選準(zhǔn)確率最高的訓(xùn)練器對(duì)剩余的知識(shí)單元文本進(jìn)行情感極性自動(dòng)標(biāo)注。

３實(shí)證研究

３.１數(shù)據(jù)獲取與預(yù)處理

筆者在前期研究《學(xué)術(shù)文獻(xiàn)中的知識(shí)單元抽取及其分布特征識(shí)別研究》一文中， 設(shè)計(jì)了一種基于“人工標(biāo)注—規(guī)則歸納—機(jī)器識(shí)別—規(guī)則補(bǔ)充” 流程的知識(shí)單元抽取方法， 用于識(shí)別文獻(xiàn)中各種類型的知識(shí)元［３６］ 。該方法為規(guī)避知識(shí)判斷客觀標(biāo)準(zhǔn)缺失的問題， 提出采用領(lǐng)域內(nèi)學(xué)者主觀判定的方法識(shí)別訓(xùn)練集語(yǔ)料中的知識(shí)單元文本片段。這種方法十分依賴領(lǐng)域內(nèi)學(xué)者的隱性知識(shí)， 學(xué)者儲(chǔ)備的隱性知識(shí)與文獻(xiàn)集主題需要十分契合。作為人工標(biāo)注工作的主要完成者， 筆者及團(tuán)隊(duì)內(nèi)其他成員的研究主題聚焦于“知識(shí)單元” “知識(shí)元” 領(lǐng)域， 因此， 本文以“中國(guó)知網(wǎng)” 期刊數(shù)據(jù)庫(kù)為數(shù)據(jù)來源，以“知識(shí)單元” “知識(shí)元” 為關(guān)鍵詞進(jìn)行檢索， 得到實(shí)證的目標(biāo)文獻(xiàn)２０７ 篇。隨后， 使用《學(xué)術(shù)文獻(xiàn)中的知識(shí)單元抽取及其分布特征識(shí)別研究》中的知識(shí)單元抽取方法， 從上述２０７ 篇學(xué)術(shù)文獻(xiàn)中共抽取到知識(shí)單元３ １８７個(gè)， 每條記錄包括知識(shí)單元文本、篇名、發(fā)表日期、期刊、學(xué)科分類號(hào)、所處結(jié)構(gòu)等字段， 如表４ 所示。

３.２知識(shí)單元主題及情感極性計(jì)算結(jié)果

按照２.４小節(jié)的知識(shí)單元主題聚類方法， 本文從知識(shí)單元中得到“語(yǔ)義信息關(guān)聯(lián)” “網(wǎng)絡(luò)知識(shí)組織” “信息計(jì)量” “知識(shí)元抽取方法與描述規(guī)則”等７ 個(gè)主題， 并以分布概率最高的主題作為知識(shí)單元主題， 如表５所示。

按照２.４ 小節(jié)所述的知識(shí)單元情感極性計(jì)算方法， 本文抽?。?１８７個(gè)知識(shí)單元中的４０％作為訓(xùn)練集語(yǔ)料， 分別使用單詞切分、雙詞搭配和“Ｊｉｅｂａ”自動(dòng)分詞結(jié)果作為特征表示方法。實(shí)驗(yàn)結(jié)果顯示，“Ｊｉｅｂａ” Ｐｙｔｈｏｎ 包自動(dòng)分詞結(jié)果作為特征表示方法時(shí)， 情感極性判定的準(zhǔn)確率最高。因此， 本文使用“Ｊｉｅｂａ” Ｐｙｔｈｏｎ 包自動(dòng)分詞結(jié)果作為特征表示方法，并使用卡方檢驗(yàn)選取信息量排名前３ ０００的詞匯進(jìn)行特征降維。最后分別使用ＢｅｒｎｏｕｌｌｉＮＢ、Ｍｕｌｔｉｎｏｍｉａｌ?ＮＢ、ＬｏｇｉｓｔｉｃＲｅｇｒｅｓｓｉｏｎ、ＳＶＣ、ＬｉｎｅａｒＳＶＣ 模型訓(xùn)練語(yǔ)料， 分別得到９２.９６％、９４.２１％、９４.６１％、９４.０１％、９５.１６％的準(zhǔn)確率。因此， 本文使用ＬｉｎｅａｒＳＶＣ 模型對(duì)剩余知識(shí)單元進(jìn)行情感極性自動(dòng)標(biāo)注， 知識(shí)單元主題劃分及情感傾向計(jì)算結(jié)果如表６ 所示。

３.３知識(shí)單元關(guān)系類型分布

３.３.１學(xué)術(shù)文獻(xiàn)中的知識(shí)單元關(guān)系類型分布

根據(jù)２.１小節(jié)文獻(xiàn)內(nèi)同一結(jié)構(gòu)內(nèi)知識(shí)單元關(guān)系類型的劃分規(guī)則， 本文獲取到結(jié)構(gòu)內(nèi)知識(shí)單元關(guān)系１８ ０９８對(duì)， 其中承接關(guān)系９ ３５０對(duì)， 獨(dú)立關(guān)系５ ４４７對(duì)， 并列關(guān)系３ ２７２對(duì)， 對(duì)立關(guān)系２９ 對(duì)。整體來看，學(xué)者們傾向于將有一定關(guān)聯(lián)的知識(shí)單元置于同一結(jié)構(gòu)內(nèi)， 而較少在同一結(jié)構(gòu)中提出截然相反的兩種學(xué)術(shù)觀點(diǎn)。從類型來看， 圖５ 展示了結(jié)構(gòu)內(nèi)知識(shí)單元關(guān)系類型在各個(gè)結(jié)構(gòu)中的分布情況。

從圖５可以看出， 并列關(guān)系和對(duì)立關(guān)系中各結(jié)構(gòu)占比大致與各結(jié)構(gòu)篇幅占比一致（并列關(guān)系沒有在正文中分布， 是因?yàn)椴⒘嘘P(guān)系相對(duì)松散， 而正文中符合并列關(guān)系判定規(guī)則的知識(shí)單元之間的松散性會(huì)被放大， 因此， 正文中符合并列關(guān)系判定規(guī)則的知識(shí)單元之間會(huì)被劃分成獨(dú)立關(guān)系， 故圖５ 中的并列關(guān)系應(yīng)當(dāng)和獨(dú)立關(guān)系一起分析）。承接關(guān)系大量分布在正文中， 這是因?yàn)閮蓚€(gè)具有承接關(guān)系的知識(shí)單元之間具有強(qiáng)邏輯關(guān)聯(lián)， 這要求兩個(gè)知識(shí)單元之間有一定篇幅的議論、推導(dǎo)和敘述， 使之流暢地過渡。在學(xué)術(shù)文獻(xiàn)中， 只有正文的篇幅可以容納兩個(gè)知識(shí)單元完成這種邏輯過渡， 因此絕大部分承接關(guān)系會(huì)分布在正文中。

根據(jù)２.１小節(jié)文獻(xiàn)內(nèi)結(jié)構(gòu)間知識(shí)單元關(guān)系類型的劃分規(guī)則， 本文共獲取到結(jié)構(gòu)間知識(shí)單元關(guān)系１６ ０６４對(duì)， 其中承接關(guān)系１０ １５１對(duì)， 獨(dú)立關(guān)系５ ８７７對(duì)， 對(duì)立關(guān)系３６ 對(duì)。整體來看， 學(xué)者們大多遵循承前所敘的行文思路， 不同結(jié)構(gòu)間的知識(shí)單元之間保持一定的貫序邏輯。偶有并敘或另敘其他主題知識(shí)的情況發(fā)生， 但不同結(jié)構(gòu)間出現(xiàn)前后相互對(duì)立的知識(shí)單元的情況依然比較少見。從不同結(jié)構(gòu)來看，不同結(jié)構(gòu)之間知識(shí)單元關(guān)系類型分布如表７ 所示。

因?yàn)橹R(shí)單元之間的獨(dú)立和對(duì)立關(guān)系是相互的， 沒有順序之分， 而承接關(guān)系只能由后向前承接， 所以表７ 的結(jié)構(gòu)—結(jié)構(gòu)矩陣只有一半元素（根據(jù)２.１ 小節(jié)所述， 本文將引言和相關(guān)研究、摘要和結(jié)語(yǔ)從文獻(xiàn)功能上視為同一結(jié)構(gòu)）。知識(shí)單元關(guān)系均由行結(jié)構(gòu)指向列結(jié)構(gòu)， 在每個(gè)結(jié)構(gòu)指向另一個(gè)結(jié)構(gòu)的元素中， 又分為承接、獨(dú)立、對(duì)立３ 種關(guān)系類型。從矩陣中各類型關(guān)系的分布情況可以發(fā)現(xiàn)， 以下兩點(diǎn)值得關(guān)注的特征： ①知識(shí)單元結(jié)構(gòu)間關(guān)系較為集中地分布在正文指向其他結(jié)構(gòu)中， 導(dǎo)致這種情況出現(xiàn)的主要原因是正文篇幅較大， 知識(shí)單元較多， 因此， 各類型知識(shí)單元關(guān)系數(shù)量都得到了一定程度的增加。除此之外， 由結(jié)語(yǔ)指向正文的承接關(guān)系數(shù)量也很多， 雖然正文結(jié)構(gòu)篇幅對(duì)其也有一定影響， 但其中承接關(guān)系數(shù)量的增幅明顯更大。這表明作者學(xué)術(shù)文獻(xiàn)寫作時(shí)， 習(xí)慣在結(jié)語(yǔ)對(duì)正文中的知識(shí)單元做歸納總結(jié)、形成結(jié)論， 所以承接關(guān)系會(huì)在結(jié)語(yǔ)對(duì)正文中大幅增加； ②雖然對(duì)立觀點(diǎn)數(shù)量不多，但８６.１％以上的對(duì)立關(guān)系都由正文和結(jié)語(yǔ)指向引言和相關(guān)研究。這表明對(duì)立情況出現(xiàn)的場(chǎng)景大多是在文章開篇提出他人觀點(diǎn)或現(xiàn)有研究的不足， 并在文章中提出不同見解或更優(yōu)解決方案。

３.３.２學(xué)術(shù)文獻(xiàn)間的知識(shí)單元關(guān)系類型分布

根據(jù)２.２小節(jié)文獻(xiàn)間知識(shí)單元關(guān)系類型的劃分規(guī)則， 本文獲取到文獻(xiàn)間知識(shí)單元關(guān)系５ ２０３對(duì)，其中肯定性繼承關(guān)系２ ３０４對(duì)， 肯定性引用關(guān)系２ ８８０對(duì)， 批判性引用關(guān)系１９ 對(duì)（未抽取到批判性繼承關(guān)系）。文獻(xiàn)間知識(shí)單元關(guān)系主要由知識(shí)單元之間的相互引用關(guān)系建立， 因此， 文獻(xiàn)間知識(shí)單元關(guān)系主要反映的是領(lǐng)域內(nèi)相關(guān)學(xué)者對(duì)知識(shí)成果的應(yīng)用方式。整體來看， 目前“知識(shí)單元” “知識(shí)元”領(lǐng)域的知識(shí)單元關(guān)系密度不大， 研究尚處于起始階段， 是知識(shí)計(jì)量學(xué)中仍待突破的領(lǐng)域。學(xué)者們多“以我為主”， 在各自研究基礎(chǔ)上相互延伸， 研究重心在于突破自身課題瓶頸， 領(lǐng)域內(nèi)知識(shí)的爭(zhēng)議程度較低， 文獻(xiàn)間絕大多數(shù)的知識(shí)單元關(guān)系為“肯定性繼承” 和“肯定性引用”。

對(duì)于兩篇文章之間的關(guān)系， 可以從兩篇文獻(xiàn)之間知識(shí)單元關(guān)系的數(shù)量和類型占比來分析， 知識(shí)單元關(guān)系數(shù)量反映的是聯(lián)系的緊密程度， 知識(shí)單元關(guān)系類型占比反映的是施引文獻(xiàn)對(duì)被引文獻(xiàn)的引用態(tài)度。一般來講， 文獻(xiàn)間知識(shí)單元關(guān)系數(shù)量越多， 它們之間的聯(lián)系就越緊密； 引用關(guān)系占比越高， 被引文獻(xiàn)作為施引文獻(xiàn)研究基礎(chǔ)、背景的程度越高； 繼承關(guān)系占比越高， 施引文獻(xiàn)對(duì)被引文獻(xiàn)方法、理論吸收能力越強(qiáng)； 表８ 展示了文獻(xiàn)集中關(guān)系最緊密的８ 對(duì)文獻(xiàn)之間的知識(shí)單元關(guān)系數(shù)量和各關(guān)系類型占比。從表８ 可以看出， 將其他學(xué)者研究成果作為自身研究的基礎(chǔ)和背景是文獻(xiàn)間知識(shí)引用的最常見方式； 在其他成果基礎(chǔ)上繼續(xù)更深入研究的知識(shí)引用方式也有出現(xiàn)； 但針鋒相對(duì)地與某一研究爭(zhēng)論， 以激烈反駁另一文獻(xiàn)作為主要知識(shí)引用方式的情況還暫未出現(xiàn)在“知識(shí)單元” “知識(shí)元” 領(lǐng)域。

３.４知識(shí)單元的知識(shí)交流角色分析

按照２.３ 小節(jié)所述的知識(shí)交流角色劃分方法，本文從全部知識(shí)單元中識(shí)別出起點(diǎn)型知識(shí)單元２ ９２６個(gè)（其中湮滅型游離起點(diǎn)１５８６個(gè)）， 中介型知識(shí)單元１１２ 個(gè)， 終點(diǎn)型知識(shí)單元１４９ 個(gè)。整體來看， 游離知識(shí)單元數(shù)量達(dá)到知識(shí)單元總量的半數(shù)，知識(shí)在知識(shí)交流網(wǎng)絡(luò)中的流動(dòng)程度較低。這些知識(shí)單元沒有參與到知識(shí)交流中， 只以知識(shí)存量的形式固化在文獻(xiàn)載體中， 沒有發(fā)揮知識(shí)單元在知識(shí)交流活動(dòng)中的作用。從節(jié)點(diǎn)類型數(shù)量分布上來看， 即使將游離知識(shí)單元排除在外， 起點(diǎn)型知識(shí)單元數(shù)量仍遠(yuǎn)大于中介型和終點(diǎn)型知識(shí)單元數(shù)量。出現(xiàn)這種現(xiàn)象的原因在于， 起點(diǎn)型知識(shí)單元所屬的文獻(xiàn)在網(wǎng)絡(luò)中有著十分強(qiáng)大的影響力， 核心文獻(xiàn)中各個(gè)知識(shí)單元基本都會(huì)以起點(diǎn)形式發(fā)散出去， 頭部文獻(xiàn)中每篇文章的起點(diǎn)知識(shí)單元數(shù)量都在３０ 個(gè)以上。起點(diǎn)數(shù)量最多的５０ 篇文章（占文獻(xiàn)總數(shù)的２４.１５％）中包含的起點(diǎn)數(shù)量達(dá)到１０６０個(gè)（占非游離起點(diǎn)總數(shù)的７９.１％）， 知識(shí)交流網(wǎng)絡(luò)中引導(dǎo)領(lǐng)域研究方向的起點(diǎn)型知識(shí)單元十分集中地分布在少數(shù)頭部文獻(xiàn)中。各類型知識(shí)單元中各種知識(shí)交流角色的分布情況如圖６ 所示。

由圖６ 可知， 起點(diǎn)型知識(shí)單元中， 引導(dǎo)式起點(diǎn)占比達(dá)到９９％以上， 只存在極少數(shù)幾個(gè)爭(zhēng)議式起點(diǎn)， 這表明在“知識(shí)單元” “知識(shí)元” 領(lǐng)域， 學(xué)者們首次提出的學(xué)術(shù)觀點(diǎn)基本都能夠得到領(lǐng)域內(nèi)其他學(xué)者的認(rèn)可。這一方面與上文所述的少數(shù)權(quán)威學(xué)者主導(dǎo)著該領(lǐng)域的研究風(fēng)向有關(guān)， 其他學(xué)者基本都沿著權(quán)威學(xué)者研究基礎(chǔ)進(jìn)一步深入， 很少提出不同見解； 另一方面也與３.３.２ 小節(jié)提出的“知識(shí)單元”“知識(shí)元” 領(lǐng)域目前所處的發(fā)展階段相關(guān)。中介型知識(shí)單元中， 知識(shí)轉(zhuǎn)化型中介約占中介型知識(shí)單元總數(shù)的６０％， 多數(shù)知識(shí)單元吸收知識(shí)后， 會(huì)創(chuàng)造出新的知識(shí)內(nèi)容流出， 這同樣印證了３.３.２ 小節(jié)關(guān)于“知識(shí)單元”“知識(shí)元” 領(lǐng)域目前所處發(fā)展階段的論述： “知識(shí)單元” “知識(shí)元” 領(lǐng)域目前尚處于起始階段， 新方法、新理論不斷演化， 學(xué)者們研究靈感相繼迸發(fā)， 在各自研究的基礎(chǔ)上相互延伸并創(chuàng)造新的知識(shí)內(nèi)容， 進(jìn)而推動(dòng)研究水平不斷提高。終點(diǎn)型知識(shí)單元中， 并沒有相對(duì)終點(diǎn)的出現(xiàn)， 這是因?yàn)楸疚倪x取的文獻(xiàn)數(shù)據(jù)具有明顯的主題學(xué)科特征，絕大多數(shù)文獻(xiàn)來源于“情報(bào)學(xué)” “圖書館學(xué)” “檔案學(xué)” 領(lǐng)域， 知識(shí)單元與其他學(xué)科進(jìn)行知識(shí)交流的情況無法在本文數(shù)據(jù)集中體現(xiàn)出來。

４結(jié)語(yǔ)

本文深入到文本片段層面開展學(xué)術(shù)文獻(xiàn)中的知識(shí)單元關(guān)系計(jì)量。首先， 使用基于規(guī)則匹配的方法從文本中抽取知識(shí)單元， 并使用ＬＤＡ 主題聚類、機(jī)器學(xué)習(xí)等方法分別計(jì)算知識(shí)單元的主題、情感傾向等屬性特征； 其次， 按照知識(shí)組織和知識(shí)引用邏輯， 根據(jù)知識(shí)單元主題、所處結(jié)構(gòu)、情感傾向、被引次數(shù)等特征， 分別劃分結(jié)構(gòu)內(nèi)、結(jié)構(gòu)間、文獻(xiàn)間的知識(shí)單元關(guān)系類型； 第三， 構(gòu)建文獻(xiàn)間知識(shí)單元關(guān)系形成的知識(shí)單元關(guān)系網(wǎng)絡(luò)， 根據(jù)與知識(shí)單元連接的關(guān)系數(shù)量、類型等識(shí)別其在知識(shí)交流中的角色； 最后， 選取學(xué)術(shù)文獻(xiàn)開展實(shí)證研究， 得到知識(shí)單元的關(guān)系類型分布、知識(shí)單元關(guān)系類型和數(shù)量與知識(shí)交流角色之間的關(guān)聯(lián)等規(guī)律性結(jié)論： ①學(xué)術(shù)文獻(xiàn)內(nèi)部的知識(shí)單元間關(guān)系主要由作者的行文習(xí)慣決定， 挖掘?qū)W術(shù)文獻(xiàn)內(nèi)部知識(shí)單元關(guān)系是識(shí)別學(xué)者行文風(fēng)格等專家特征研究方向之一； ②學(xué)術(shù)文獻(xiàn)之間的知識(shí)單元間關(guān)系主要由所屬學(xué)科領(lǐng)域的發(fā)展階段決定， 挖掘?qū)W術(shù)文獻(xiàn)之間的知識(shí)單元關(guān)系可作為研判學(xué)科未來發(fā)展方向的新方法； ③明星學(xué)者、重要文獻(xiàn)的影響力十分強(qiáng)大， 核心文獻(xiàn)中各個(gè)知識(shí)單元基本都會(huì)以起點(diǎn)形式與其他知識(shí)單元產(chǎn)生關(guān)聯(lián)。這種關(guān)系結(jié)構(gòu)有利有弊， 一方面， 明星學(xué)者、重要文獻(xiàn)可以更高效地發(fā)揮學(xué)科主導(dǎo)作用， 引領(lǐng)學(xué)科研究方向； 另一方面， 知識(shí)單元關(guān)系過于集中于少量知識(shí)單元不利于知識(shí)的充分交流。因此， 知識(shí)單元的關(guān)系計(jì)量工作可以作為網(wǎng)絡(luò)中被埋沒的高質(zhì)量知識(shí)單元的挖掘工具， 使得明星學(xué)者、重要文獻(xiàn)高效發(fā)揮主導(dǎo)作用的同時(shí)， 避免學(xué)科知識(shí)“馬太效應(yīng)”的出現(xiàn)。

通過劃分與識(shí)別知識(shí)單元關(guān)系類別， 以及對(duì)知識(shí)單元關(guān)系類型、數(shù)量與知識(shí)交流角色之間關(guān)聯(lián)的探究， 本文實(shí)現(xiàn)了學(xué)術(shù)文獻(xiàn)間知識(shí)單元粒度的語(yǔ)義關(guān)聯(lián)， 將知識(shí)交流角色識(shí)別從知識(shí)載體層面深入到知識(shí)內(nèi)容層面， 在更細(xì)粒度上探究知識(shí)演化的具體路徑， 為知識(shí)組織、語(yǔ)義出版等從微觀粒度開展語(yǔ)義關(guān)聯(lián)的工作提供了一種新的思路， 也為知識(shí)單元粒度的學(xué)術(shù)評(píng)價(jià)提供了可能。