姜 艺，黄 永，夏义堃，李鹏程，陆 伟

（1. 武汉大学信息管理学院，武汉 430072；2. 武汉大学信息检索与知识挖掘研究所，武汉 430072；3. 武汉大学信息资源研究中心，武汉 430072）

1 引 言

随着文本数据的日益增长，关键词自动抽取——从文本中挖掘能够高度概括其研究内容和主题的关键词[1]——一直以来都是一个备受关注的研究问题。由于对关键词抽取任务理解的不同，关键词抽取研究主要分为基于排序[2-3]、基于分类[4-5]、基于序列标注[6-7]和基于序列生成[8-9]四大类研究模式[1,10]。在上述研究模式的框架下，现有研究所使用的特征主要包括：①候选词基准特征，如词频、长度、位置、外部知识库等；②图结构特征，如词间关系和中心度量等；③主题特征；④词嵌入向量特征[11]。

上述几类特征更多地考虑词汇本身的分布特点，而忽略了词汇与文献之间的语义关系。词汇功能定义了词汇在学术文献中所承担的语义角色，如“问题”“方法”“技术”“数据”[12]，这些具有不同语义功能的词汇从不同的角度反映文献的研究内容。科学研究被普遍认为是提出问题并解决问题的过程[13-14]，在一定程度上，学术文献可视为科学研究过程的固化，而文献的核心问题与核心方法则是从文档层面对研究工作内容的总结[12]。同时，关键词也是对文献主题和内容的凝练与反应，作者在选择关键词时有其目的性，其选择的关键词通常是一些注明研究领域、表征研究主题、描述研究所使用的方法和知识等具有一定语义功能的词[15]。因此，关键词往往会涵盖能够充分表征文献研究问题和研究方法等内容的词汇。……