基于词向量的化学领域知识发现初步研究

图书馆杂志 ›› 2018, Vol. 37 ›› Issue (11): 90-98.

基于词向量的化学领域知识发现初步研究

王鑫吉久明李楠孙济庆

出版日期:2018-11-15 发布日期:2018-11-23
作者简介:王　鑫华东理工大学科技信息研究所，硕士研究生。研究方向：情报技术、知识挖掘。作者贡献：提出研究思路，设计研究方案；负责采集、清洗数据；进行实验和分析数据及负责论文起草。E-mail： wangxin1551@foxmail.com　上海　200231 吉久明女，华东理工大学科技信息研究所，硕士生导师，研究馆员。研究方向：情报技术、知识挖掘。作者贡献：提出研究命题；提出研究思路，设计研究方案；负责进行实验和分析数据；负责论文起草及最终版修订。　上海　200231 李　楠女，华东理工大学科技信息研究所，博士研究生，副研究馆员。研究方向：信息组织、知识发现。作者贡献：提出研究命题；提出研究思路，设计研究方案及最终版修订。　上海　200231 孙济庆华东理工大学科技信息研究所，博士生导师，研究馆员。研究方向：知识管理、现代情报学。作者贡献：提出研究命题；提出研究思路，设计研究方案及负责最终版修订。　上海　200231

Preliminary Research on the Knowledge Discovery in Chemistry Based on the Word Embedding

Wang Xin, Ji Jiuming, Li Nan, Sun Jiqing

Online:2018-11-15 Published:2018-11-23

摘要/Abstract

摘要： 在文本数据中，知识的表示具有抽象性、非结构化[1]、潜在性等特点，通过共现[2]、规则[3]和关联[4]等数据挖掘方式很难在体现词的语义性和句子的语法性下进行知识发现工作。本文在 Word2Vec的基础上提出添加词属性的WP-Word2Vec模型，并依据词向量设计知识发现模型。通过实验表明WP-Word2Vec模型在训练词向量时能够融入词类别信息，在相应的相似词发现中相似度有所提高。

关键词: 词素　, 词向量, 　word2vec　, 知识发现

Abstract: In the text data, knowledge representation is abstract, unstructured, and latent. It is difficult to find knowledge by co-occurrence, rule or association. Based on Word2Vec, this paper proposes to utilize the WP-Word2Vec model with word attribute, and designs knowledge discovery model based on word vector. Experiments show that the WP-Word2Vec model can integrate word class information into the training word vector, and the similarity in the similar word discovery is improved.

Key words: Morpheme, Word embedding, Word2vec, Knowledge discovery

王鑫吉久明李楠孙济庆. 基于词向量的化学领域知识发现初步研究[J]. 图书馆杂志, 2018, 37(11): 90-98.

Wang Xin, Ji Jiuming, Li Nan, Sun Jiqing. Preliminary Research on the Knowledge Discovery in Chemistry Based on the Word Embedding[J]. Libraly Journal, 2018, 37(11): 90-98.

参考文献

[ 1 ] 高劲松, 李迎迎, 刘龙, 等. 基于关联数据的知识发现模型构建研究[J]. 情报科学, 2016(6):10-13,18.
[ 2 ] Amancio D R.Network analysis of named entity cooccurrencesin written texts[J]. 2016, 114(5):58005.
[ 3 ] Farid D M, Al-Mamun M A, Manderick B, etal.An adaptive rule-based classifier for mining bigbiological data[J]. Expert Systems with Applications,2016(64):305-316.
[ 4 ] 王培吉, 赵玉琳, 吕剑峰. 基于Apriori算法的关联规则数据挖掘研究[J]. 统计与决策, 2011(23):19-21.
[ 5 ] Ho Chung Wu, Robert Wing Pong Luk, Kam FaiWong, et al. Interpreting TF-IDF term weights amaking relevance decisions[J]. ACM Transactions onInformation Systems(TOIS), 2008, 26(3):1—37.
[ 6 ] 刘惠. 知识发现理论与方法及其应用的研究[D].大连：大连理工大学, 2004.
[ 7 ] Wu X, Zhu X, Wu G Q, et al. Data Mining with BigData[J]. IEEE Transactions on Knowledge & DataEngineering, 2014, 26(1):97-107.
[ 8 ] 蔡云雷. 基于潜在语义分析的专利文本分类技术研究[D]. 沈阳：沈阳航空航天大学, 2011.
[ 9 ] 孟宪军. 互联网文本聚类与检索技术研究[D]. 哈尔滨：哈尔滨工业大学, 2009.
[10] 黎旭荣. Forestnet: 一种结合深度学习和决策树集成的方法[D]. 广州：中山大学, 2015.
[11] 宋艳雪. 基于关联规则和图排序的句子情感倾向性研究[D]. 大连：大连理工大学, 2011.
[12] 贾修一. 基于语义的粗糙集理论和模型研究[D].南京：南京大学, 2011.
[13] 张志平. 基于遗传算法的汉语基本词汇自动提取研究[D]. 呼和浩特：内蒙古师范大学, 2007.
[14] Santos C N D, Gattit M. Deep Convolutional NeuralNetworks for Sentiment Analysis of Short Texts[C]//International Conference on ComputationalLinguistics. 2014.
[15] Bengio Y,Courville A,Vincent P.RepresentationLearning: A Review and New Perspectives[J].IEEE Transactions on Pattern Analysis & MachineIntelligence, 2013, 35(8):1798-1828.
[16] Turian J, Ratinov L, Bengio Y.Word representations:A simple and general method for semi-supervisedlearning[C]//Proc of ACL.Stroudsburg, PA: ACL,2010:384-394.
[17] Manning C D,Raghavan P, Schutze H.Introductionto Information Retrieval [M]. Cambridge, UK:Cambridge University Press, 2008.
[18] 佚名. word2vec中的数学原理详解[EB/OL]. blog.csdn.net/itpus/article/details/37969519/, 2016-10-01.
[19] 王倩倩, 陈荣, 李楠, 等. 面向化学名称的术语知识量计算模型研究[J]. 图书馆杂志, 2015(10):59-62.
[20] 李楠, 孙济庆,吉久明.汉语词素语义与知识发现研究初探[J]. 图书情报工作, 2013, 57(17):109-113.