本书对词汇功能的类别定义进行研究，构建了一个领域无关词汇功能和领域相关词汇功能相结合的学术文本词汇功能框架。在词汇功能框架定义的基础上，本书提出了两种方法以自动识别学术文本的词汇功能。考虑到词汇功能的领域适用性，本书还借用开放信息抽取的思想，研究了适用于学术文本分析的开放信息抽取方法。很后，本书对所提理论方法的应用进行了探讨。

程齐凯，博士，武汉大学信息管理学院档案学系教师，武汉大学信息检索与知识挖掘研究所成员。2006年考入武汉大学信息管理学院档案学专业，2012年进入情报学专业就读，导师陆伟教授，2015毕业，获得管理学博士学位。近年在靠前外期刊发表论文多篇，专著一本。参与国家纵向项目多项，参与大型横向项目数项。目前主要研究兴趣有文本挖掘、信息检索。

1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状及分析
1.2.1 功能语义框架构建和功能自动识别
1.2.2 信息抽取
1.2.3 知识图谱研究现状
1.2.4 现状分析
1.3 本书的主要内容和章节安排
2 学术文本词汇功能框架
2.1 学术文本词汇功能的定义和类别
2.1.1 学术文本词汇功能的定义
2.1.2 词汇功能显现的机理
2.1.3 学术文本词汇功能框架
2.2 词汇功能与相关概念的比较
2.2.1 Kaplan的词汇功能语法理论
2.2.2 实体计量
2.2.3 语义角色标注
2.3 词汇功能的标注
2.3.1 标注数据来源
2.3.2 标注流程与规范
2.3.3 标注数据集
2.4 本章小结
3 基于序列标注的学术文本词汇功能自动识别
3.1 基于CRF序列标注的功能识别方法
3.1.1 序列化表示
3.1.2 标注模型
3.1.3 特征构造
3.1.4 基于word2vec的动词角色聚类
3.2 对比系统
3.2.1 Gupta基于Bootstrap的识别方法
3.2.2 Tsai基于Bootstrap的识别方法
3.3 实验与讨论
3.3.1 实验数据
3.3.2 实验设定
3.3.3 实验结果及讨论
3.4 本章小结
4 基于机器学习排序的文档级词汇功能自动识别
4.1 核心问题与核心方法识别的难点
4.2 抽取问题到排序问题的转化
4.2.1 从抽取问题到生成问题
4.2.2 从生成问题到排序问题
4.3 训练数据的构造
4.4 基于排序的识别方法
4.4.1 相似性得分计算方法
4.4.2 特征构造
4.5 实验及结论
4.6 本章小结
5 学术文本词汇功能识别的扩展
5.1 开放信息抽取
5.2 开放信息抽取的常见方法和代表性系统
5.3 面向学术文本的开放信息抽取系统EXVerb
5.3.1 框架
5.3.2 句子切分
5.3.3 术语识别
5.3.4 句法分析、剪枝与图构建
5.3.5 关系抽取
5.4 实验
5.5 本章小结
6 学术文本词汇功能识别的应用
6.1 词汇功能识别的应用点分析
6.1.1 技术方案推荐
6.1.2 研究点发现
6.1.3 词汇功能敏感的学术搜索
6.1.4 专家检索
6.1.5 词汇功能识别的其他应用
6.2 基于词汇功能识别的研究点推荐
6.2.1 应用背景
6.2.2 方法
6.2.3 实验
6.3 本章小结
7 领域无关词汇功能标准数据集构建及分析
7.1 现有的学术文本词汇功能标注数据集
7.2 研究设计
7.2.1 研究思路
7.2.2 数据来源与文本处理
7.2.3 研究方法
7.3 标准化数据集的分析
7.3.1 整体分析
7.3.2 内容分析
7.4 本章小结
8 信息计量学领域关键词语义功能标注数据集构建及分析
8.1 引言
8.2 相关研究
8.2.1 词汇语义功能分类研究现状
8.2.2 功能标注与一致性检验
8.3 数据与方法
8.3.1 数据来源
8.3.2 研究方法
8.4 结果与分析
8.4.1 学术文本关键词语义功能分类框架
8.4.2 关键词语义功能分布
8.4.3 不同类别语义功能的关键词内容分析
8.5 本章小结
9 基于词汇功能识别的科研文献分析系统设计与实现
9.1 引言
9.2 相关研究
9.2.1 科研文献分析系统相关研究
9.2.2 学术文本词汇功能及其识别研究现状
9.3 系统思路与构建
9.3.1 系统思路
9.3.2 系统构建
9.4 系统实现
9.4.1 原始数据采集
9.4.2 研究问题集和研究方法集构建
9.4.3 检索和分析模块
9.4.4 用户界面设计和结果可视化
9.5 本章小结
10 总结
参考文献