黄文彬，王越千，步一，车尚锟

（1.北京大学信息管理系，北京 100871；2.清华大学经济管理学院，北京 100084）

1 引言

学术论文是学术成果交流的主要方式，学术论文的文本挖掘也是信息管理学科重要的研究内容。与一般文本相比，学术论文具有以下特点：①学术论文的用词和句法比较规范，这降低了对论文的语句进行语法、句法分析的难度；②学术论文内部有比较严密的逻辑结构，且同一学科或同一类型的论文行文内部结构具有较高的相似性。因此，除了使用一般文本的挖掘方法之外，合理利用上述特点对论文的结构进行解析，将给学术论文的文本挖掘带来极大的便利。

为了提升学术论文的文本挖掘效果，已有不少研究引入了各种理论模型将论文结构化。例如，Swales的CARS（create a research space model）体裁分析模型[1]，将论文简介部分分为三个语轮（Move）中的7个语步（Step），但使用的范围一般仅限于论文的特定章节（如摘要、简介等），泛化能力较弱，难以大规模应用到学术论文的全文本分析中；黄曾阳的HNC（hierarchical network of concepts，概念层次网络）理论[2]从词语、语句、句群和篇章4个层级对文章进行解析辅助计算机进行自然语言理解，但语义单元类型过于复杂，提高了标注的难度；陆伟、黄永等[3-6]系列研究则对学术论文中章节的结构功能进行识别，由于其粒度局限在章节层面，故不能实现更细粒度的文本挖掘。

本文期望找到满足以下条件的学术论文结构功能模型，并以此为基础进行论文结构自动标注的研究：①通用性强，适用于不同学科和论文中的不同章节；……