我国食品科学类开放获取资源建设现状与建议*

开放获取资源是一种基于网络平台可免费获取的学术期刊资源,可以便利学术成果传播,提高科研成果影响力。食品科学研究领域以化学、生物学、工程学为基础,基础研究与应用研究并重,交叉学科广泛,如何将食品科学类专有平台有效涵盖各专业和学科,为科研人员服务,已经成为一种迫切的要求。本文选取了北大图书馆《中文核心期刊要目总览》(2014版)TS2(食品工业类)和06(化学类)下的46种期刊,同时选取了中国科学技术信息研究所《中国科技核心期刊目录》(2014版)中与食品科学相关的期刊12种,对我国食品科学类58种期刊自建平台的开放获取情况进行了统计,同时还选取了中国科技期刊开放获取平台、中国科技论文在线等5个开放获取资源综合平台,对其食品科学类开放获取资源进行了统计。研究发现,仅有37.93%的期刊自建网站可实现全文开放获取,综合开放获取平台则存在涵盖面小、质量和数量上都有待进一步提高的问题。文中最后提出了建立优质高效的食品科学类开放获取资源的建议与对策。     

面向领域实体关系联合抽取的标注方法

针对传统实体关系标注方法存在效率低下、错误传播、实体冗余等问题,对于某些领域语料中存在“一实体（主实体）同时与多个实体之间存在重叠关系”的特点,提出一种面向领域实体关系联合抽取的新标注方法。首先,将主实体标注为一个固定标签,将文本中与主实体存在关系的其他每个实体标注为对应实体对间的关系类型,这种对实体和关系进行同步标注的方式节省了至少一半的标注成本;然后,直接对三元组进行建模,而不是分别对实体和关系进行建模,通过标签匹配和映射即可获取三元组数据,从而缓解重叠关系抽取、实体冗余以及错误传播等问题;最后,以作物病虫害领域为例进行实验,测试了来自转换器的双向编码器表征量（BERT）-双向长短期记忆网络（BiLSTM）+条件随机场（CRF）端到端模型在1 619条作物病虫害文档的数据集上的性能。实验结果表明该模型的F1值比基于传统标注方式+BERT模型的流水线方法提高了47.83个百分点;与基于新标注方式+BiLSTM+CRF模型、卷积神经网络（CNN）+BiLSTM+CRF等经典模型的联合学习方法相比,该模型的F1值分别提高了9.55个百分点和10.22个百分点,验证了所提标注方法和模型的有效性。