語義出版驅(qū)動(dòng)的科學(xué)論文論證結(jié)語義建模研究

曲佳彬　歐石燕

DOI.10.3969/j.issn.1008-0821.2021.12.005

[中圖分類號]G254 [文獻(xiàn)標(biāo)識碼]A [文章編號]1008-0821（2021）12-0048-12

科學(xué)論文是科研工作者研究成果的固化，是知識傳播和科學(xué)交流的載體。隨著科學(xué)研究的不斷推進(jìn)，科學(xué)論文發(fā)表數(shù)量與日俱增。海量的科學(xué)論文造成信息過載，科研人員需要花費(fèi)大量的時(shí)間查找和閱讀相當(dāng)于原來幾倍數(shù)量的文獻(xiàn)。如何精確且快速查找所需文獻(xiàn)并進(jìn)行有效閱讀成為每個(gè)科研人員所要面臨的問題。在此背景下，對科學(xué)論文內(nèi)容進(jìn)行語義表示和組織，實(shí)現(xiàn)論文內(nèi)容的模塊化、結(jié)構(gòu)化、語義化和關(guān)聯(lián)化顯示與發(fā)布變得尤為重要。

隨著數(shù)字出版的不斷發(fā)展，牛津大學(xué)的Shot-ton D于2009年首次提出了語義出版概念，其實(shí)質(zhì)是利用語義網(wǎng)和關(guān)聯(lián)數(shù)據(jù)技術(shù)，通過語義標(biāo)記注釋和豐富出版物的內(nèi)容。語義出版作為一種新型的出版模式和知識表示模式，對科學(xué)論文結(jié)構(gòu)和內(nèi)容進(jìn)行細(xì)粒度語義表示，以結(jié)構(gòu)化和模塊化的方式呈現(xiàn)科學(xué)論文的內(nèi)容，能夠有效提高科研人員的閱讀效率。在語義出版發(fā)展過程中，從早期對論文外部特征（如題錄信息、參考文獻(xiàn)等）的語義描述，正逐漸深入到論文內(nèi)容層面的語義表示，如實(shí)體、概念、科學(xué)結(jié)論、圖表等。

現(xiàn)有研究多是從篇章結(jié)構(gòu)角度對科學(xué)論文的內(nèi)容結(jié)構(gòu)進(jìn)行解析和知識表示，多是在章節(jié)和段落層面進(jìn)行，缺少對科學(xué)論文內(nèi)容細(xì)粒度的知識表示和知識關(guān)聯(lián)?？茖W(xué)論文是一種論證性文本，是對科學(xué)觀點(diǎn)和科學(xué)結(jié)論的論證。從科學(xué)論證角度對科學(xué)論文的結(jié)構(gòu)進(jìn)行解析，對其中細(xì)粒度的論證元素和論證關(guān)系進(jìn)行語義表示，能夠更加精確地表示科學(xué)論文的內(nèi)容。因此，本研究旨在從論證角度構(gòu)建一個(gè)科學(xué)論文論證結(jié)構(gòu)本體，對科學(xué)論文中的論證元素（如研究問題、研究方法、研究結(jié)論等）及其論證關(guān)系進(jìn)行語義表示，實(shí)現(xiàn)對科學(xué)論文細(xì)粒度內(nèi)容的語義出版，從而幫助科研人員快速理解科學(xué)論文內(nèi)容并定位特定信息，促進(jìn)知識傳播和科學(xué)交流。

1相關(guān)研究

對科學(xué)論文內(nèi)容進(jìn)行語義描述的目的是將論文中的知識顯性化、結(jié)構(gòu)化和形式化表示。當(dāng)前研究主要是從科學(xué)論文的篇章結(jié)構(gòu)出發(fā)對其進(jìn)行描述。篇章結(jié)構(gòu)是指論文的功能結(jié)構(gòu)，其規(guī)范定義了科學(xué)論文各部分的順序和功能，譬如科學(xué)論文中某段文字的作用是介紹“研究背景”或闡述“研究方法”。依據(jù)描述粒度的不同，大致可以分為兩種描述方式：第一種是粗粒度的論文篇章結(jié)構(gòu)，主要對論文章節(jié)等文獻(xiàn)組成部件、題錄信息及參考文獻(xiàn)的描述：第二種是細(xì)粒度的論文篇章結(jié)構(gòu)，專門用于對論文中研究目標(biāo)、假設(shè)、論據(jù)、方法、試驗(yàn)及結(jié)論等功能元素進(jìn)行描述。

針對粗粒度的篇章結(jié)構(gòu)，目前主要有IMRaD模型和ABCDE模型兩個(gè)代表性模型。IMRaD模型是目前最具影響力的論文寫作框架，將論文的正文內(nèi)容劃分為4個(gè)具有語義功能的模塊，即介紹（In-troduction）、方法（Method）、結(jié)果（Result）和討論（Discussion），被廣泛應(yīng)用于實(shí)證型或?qū)嶒?yàn)型論文。ABCDE模型由荷蘭烏特列支大學(xué)計(jì)算機(jī)科學(xué)系的Waard A D等提出，主要用于計(jì)算機(jī)領(lǐng)域會議論文的標(biāo)注。ABCDE模型將科學(xué)論文的結(jié)構(gòu)劃分為：標(biāo)注信息（Annotations）、背景（Background）、貢獻(xiàn)（Contribution）、討論（Discussion）和實(shí)體（En-tities）共5個(gè)模塊，其中，標(biāo)注信息指科學(xué)論文的外部題錄信息，如題名、作者、出版日期等，實(shí)體指科學(xué)論文中的人名、地名、研究方法名和模型名等。此外，在IMRaD模型基礎(chǔ)上，一些論文內(nèi)容本體被提出，主要有篇章元素本體（Discourse Ele-ments Ontology，簡稱DEO）、文檔組件本體（Document Components Ontology，簡稱DoCO）、修辭塊本體（Ontology of Rhetorical Blocks，簡稱ORB）。這些本體都是將論文中粗粒度的篇章、文本塊或段落，按不同語義功能進(jìn)行分類，并采用形式化語言來描述。

對于細(xì)粒度篇章結(jié)構(gòu)的描述主要有AZ-J/AZ-Ⅱ模型、CISP模型、核心科學(xué)概念框架。1999年英國劍橋大學(xué)的Teufel S等以計(jì)算語言學(xué)領(lǐng)域的論文為研究對象，提出了AZ-Ⅰ模型。該模型將論文的篇章劃分為7個(gè)類別，包括研究目標(biāo)（Aim）、背景（Background）、相關(guān)研究（Other）、研究起點(diǎn)（Basis）、對比分析（Contrast）、作者研究（Own）和篇章結(jié)構(gòu)描述（Textual）。隨后，Teufel S等人又提出了改進(jìn)版的AZ-Ⅱ模型，在其中增加了支持性研究（Support）、中立比較（Codi）、研究空白（Gap_Weak）和矛盾比較（Atisupp）等情感和論證性的描述。2007年，英國威爾士大學(xué)的Soldatova L等分析了生物學(xué)領(lǐng)域論文篇章結(jié)構(gòu)，認(rèn)為科學(xué)論文是一項(xiàng)包含核心信息的科學(xué)調(diào)查研究內(nèi)容表示，構(gòu)建了科學(xué)論文核心信息（The Core Information About Scientific Papers，簡稱CISP）本體，定義了科學(xué)調(diào)查研究中的8個(gè)核心概念，主要包括調(diào)查目標(biāo)（Goal of Investigation）、調(diào)查動(dòng)機(jī)（Motivation）、調(diào)查對象（Obiect of Investigation）、研究方法（Research Method）、實(shí)驗(yàn)（Experiment）、實(shí)驗(yàn)觀察（Observa-tion）、調(diào)查結(jié)果（Result）和調(diào)查結(jié)論（Conclu-sion）。2012年，Liakata M等以CISP本體為基礎(chǔ)進(jìn)行了擴(kuò)展，添加假設(shè)（Hypothesis）、模型（Mod-el）和背景（Background）3個(gè)概念，將該模型定義為核心科學(xué)概念（Core Scientific Concepts，簡稱Co-reSCs）模型。此外，一些國內(nèi)學(xué)者開展了科學(xué)論文內(nèi)容標(biāo)注框架的研究。2017年，秦春秀等通過分析CNKI、萬方、維普數(shù)據(jù)庫中的科技論文的內(nèi)容和結(jié)構(gòu)，提出了一種基于知識元的科學(xué)論文標(biāo)注框架，該框架包括了13類知識元（研究背景知識元、問題知識元、方法知識元等）及31個(gè)子類。王曉光等設(shè)計(jì)了科學(xué)論文功能單元標(biāo)注框架，以句子級為標(biāo)注對象將論文內(nèi)容定義為28個(gè)類（背景、主題、緣起、已有研究、假設(shè)、方法、數(shù)據(jù)、結(jié)果等），并定義5個(gè)屬性來描述類的屬性，譬如知識類型、時(shí)態(tài)、來源、情感傾向和確定程度。

除了從篇章結(jié)構(gòu)角度出發(fā)來描述科學(xué)論文的內(nèi)容，也有學(xué)者從論證結(jié)構(gòu)角度出發(fā)來描述論文的論證過程，構(gòu)建本體或其他語義模型來描述論文中各篇章單元間的論證關(guān)系。博洛尼亞大學(xué)的Vitali F等于2011年提出了論證模型本體（The Argument Model Ontology，簡稱AMO），該本體以圖爾敏模型為原型，采用OWL2DL語言對該模型中的論證元素（主張、保證、根據(jù)、限定詞、支撐、例外）和相互問的論證關(guān)系進(jìn)行了語義描述。此后，哈佛醫(yī)學(xué)院的Clark T等提出微出版模型（Mirco-publication，簡稱MP），主要用于描述科學(xué)論文的論證結(jié)構(gòu)，定義不同的論證元素，比如數(shù)據(jù)、方法等概念，來證明科學(xué)論斷，并通過各種語義關(guān)系來關(guān)聯(lián)論文中的各類知識，如研究結(jié)論、事實(shí)等。美國波士頓馬薩諸塞綜合醫(yī)院的Paolo C等提出SWAN（Semantic Web Applications in Neuromedicine）本體，主要用于描述阿爾茨海默病領(lǐng)域論文的外部元數(shù)據(jù)及其內(nèi)容，并將其與其他生物醫(yī)學(xué)資源庫中的知識相關(guān)聯(lián)。該本體定義了3個(gè)主要論證元素：研究聲明（Research Statement）表示科學(xué)論斷或假設(shè)、研究問題（Research Question）和評論（Com-ment），并通過一致（ConsistentWith）、不一致（In-consistentWith）、討論（Discuss）和替代（Alternative-To）語義關(guān)系來關(guān)聯(lián)各個(gè)論證元素。2020年，王曉光等參考AMO本體、微型出版物模型對科學(xué)論文論證過程的基本結(jié)構(gòu)進(jìn)行了表示，并復(fù)用DEO和CoreSCs模型構(gòu)建了論證本體，該本體包括7個(gè)核心類、13個(gè)擴(kuò)展類和15種關(guān)系，其中7個(gè)核心類基本為圖爾敏模型的論證元素，13個(gè)擴(kuò)展類比如事實(shí)、相關(guān)研究、研究問題等。

總體來說，現(xiàn)有的論文內(nèi)容描述框架多以篇章結(jié)構(gòu)為基礎(chǔ)，從粗粒度和細(xì)粒度層面對論文內(nèi)容組成部分進(jìn)行表示和建模。但是這種關(guān)聯(lián)關(guān)系僅是篇章結(jié)構(gòu)問顯性的關(guān)聯(lián)，面對海量的科學(xué)論文，科研人員迫切希望了解深層次的知識產(chǎn)生過程。因此，本研究從論證的角度，分析科學(xué)論文包含不同功能元素的句子、句子中的實(shí)體及句子的語境，借助圖爾敏論證結(jié)構(gòu)模型，構(gòu)建深入、全面地揭示科學(xué)論文內(nèi)容信息的論證結(jié)構(gòu)本體。

2科學(xué)論文論證結(jié)構(gòu)分析

2.1波普爾知識增長理論

對于科學(xué)知識的產(chǎn)生與發(fā)展，20世紀(jì)著名的科學(xué)哲學(xué)大師卡爾·波普爾提出了知識增長理論。該理論認(rèn)為，科學(xué)知識的增長不是靜止的，而是一個(gè)動(dòng)態(tài)發(fā)展的過程，這個(gè)過程對應(yīng)著一個(gè)動(dòng)態(tài)研究模式，如圖1所示。

上述研究模式可以看出，波普爾強(qiáng)調(diào)知識增長始于問題（P1），科學(xué)問題是科學(xué)研究的最初發(fā)源地;問題出現(xiàn)以后，學(xué)者會提出一些針對性的解決方案，被稱為猜想或試探性理論（TT），這些理論是對科學(xué)問題的試探性答復(fù)。理論之間經(jīng)過激烈競爭和相互批判，并通過一些決定性的試驗(yàn)排除錯(cuò)誤的知識，即進(jìn)行證偽（EE），最后得出一個(gè)相對滿意的理論，進(jìn)而提出新問題（P2），如此以往不斷循環(huán)深入，使科學(xué)知識呈螺旋式增長。

2.2科學(xué)研究過程及構(gòu)成要素分析

科學(xué)論文是科研工作者對科學(xué)研究過程及其科學(xué)發(fā)現(xiàn)進(jìn)行規(guī)范性描述的文本，其主要目的是實(shí)現(xiàn)科學(xué)交流和知識傳播?？茖W(xué)論文報(bào)道了科學(xué)知識的產(chǎn)生過程，符合波普爾的知識增長理論。基于波普爾知識增長理論，本文對科學(xué)研究過程及構(gòu)成要素進(jìn)行梳理和歸納，將科學(xué)研究過程劃分為：提出問題、提出假設(shè)、實(shí)驗(yàn)與分析、研究總結(jié)和未來研究5個(gè)階段，如圖2所示。

從圖2可以看出，科學(xué)研究中的不同階段包含不同構(gòu)成要素：提出問題階段是在已有研究基礎(chǔ)上通過分析和查漏補(bǔ)缺發(fā)現(xiàn)新的研究問題，由“前人陳述”“研究問題”和“研究目的”3個(gè)要素構(gòu)成：猜想與假設(shè)階段是對科學(xué)問題的解決方案的大膽猜想，即“假設(shè)”：實(shí)驗(yàn)與分析階段由“研究方法”和“研究結(jié)果”構(gòu)成：研究總結(jié)階段表現(xiàn)為科學(xué)“結(jié)論”：未來研究設(shè)想階段則在科學(xué)“結(jié)論”的基礎(chǔ)上擴(kuò)展為“新的研究問題”。針對科學(xué)研究過程中包含的這8種要素，本文對其進(jìn)行了詳細(xì)定義，如表1所示。

上述分析表明，科學(xué)研究有一套系統(tǒng)、規(guī)范的流程，在不同階段由不同類型的要素構(gòu)成?？茖W(xué)論文是科研工作者對科學(xué)研究過程及其科學(xué)發(fā)現(xiàn)進(jìn)行規(guī)范性描述的文本，其中蘊(yùn)含了對科學(xué)研究各階段構(gòu)成元素的描述。因此，從科學(xué)論文中抽取出這些構(gòu)成要素能夠重現(xiàn)科學(xué)研究的整個(gè)過程，反映科學(xué)研究的關(guān)鍵環(huán)節(jié)。

2.3科學(xué)論文論證結(jié)構(gòu)模型

科學(xué)論文中包含的各要素并非扁平化的羅列，通常要遵循一定的論證結(jié)構(gòu)，只有這樣才能說服讀者接收作者的科學(xué)觀點(diǎn)或科學(xué)發(fā)現(xiàn)，達(dá)到科學(xué)交流和知識傳播的目的。在針對自然語言論證的非形式邏輯中，最具有代表性的論證模型是20世紀(jì)50年代英國哲學(xué)家和教育學(xué)家史蒂芬·圖爾敏（Stephen Toulmin）提出的“圖爾敏模型”，如圖3所示。

通過圖3可知，圖爾敏論證模型由6個(gè)元素構(gòu)成：理由（Grounds）、保證（Warrant）、主張（Claim）、支援（Backing）、模態(tài)限定詞（Modality）和例外（Re-buttals）。其中，“主張”是所要論證的命題，“理由”是論證命題的證據(jù)，“保證”是用來連接“主張”和“理由”之間的原則、規(guī)則或推論許可證，這3個(gè)是論證的基本要素，在每個(gè)論證中都會出現(xiàn)，構(gòu)成論證的基本模式，即從理由（Grounds）出發(fā)，通過保證（Warrant）推出主張（Claim）。此外，該模型還包含“支援”“模態(tài)限定詞”和“例外”3個(gè)補(bǔ)充要素，其中“支援”是對“保證”的支持，“模態(tài)限定詞”是對“主張”確定程度的修飾，“例外”是指反例，這3個(gè)要素不是必須的，可以根據(jù)論證情況有選擇地使用。

本文基于圖爾敏模型來表示科學(xué)論文中各元素間的論證關(guān)系，形成科學(xué)論文論證結(jié)構(gòu)模型，如圖4所示。在科學(xué)論文中，論文的“結(jié)論（Conclu-sion）”即為要論證的“主張（Claim）”：在關(guān)于“結(jié)論（Conclusion）”的陳述中，往往包含了反映其確定程度的副詞，譬如結(jié)論句“All of the Above Re-sults Suggested that Disturbed Cholesterol Homeostasisin Young Rats May Underlie the Deleterious Effects of Lead Induced Early AD-related Pathology”中的副詞“May”，這些副詞即為對“主張”的“模態(tài)限定詞（Modality）”;為了證明所提出的“結(jié)論”，科學(xué)論文中的“方法（Method）”和“結(jié)果（Results）”構(gòu)成了論證中的“理由（Grounds）”，而科學(xué)論文中的“前人陳述（PriorStatement）”“問題（Problem）”“目標(biāo)（Goal）”和“假設(shè)（Hypothesis）”則是由理由推出結(jié)論的“保證（Warrant）”。

因此，根據(jù)圖爾敏模型，可以將科學(xué)論文的論證結(jié)構(gòu)表述為：首先提出研究問題，并在已有事實(shí)或理論基礎(chǔ)上進(jìn)行合理的假設(shè)：然后通過實(shí)驗(yàn)和分析，得出有價(jià)值的結(jié)論，該結(jié)論可能有限定因素。通過上述分析可以看出，采用圖爾敏模型來構(gòu)建科學(xué)論文論證結(jié)構(gòu)，不僅能夠細(xì)粒度展示科學(xué)論文包含的不同元素，而且能清晰地刻畫出論文內(nèi)容的邏輯結(jié)構(gòu)，提升科學(xué)知識的可信性。

3科學(xué)論文論證結(jié)構(gòu)本體模型構(gòu)建

3.1論證結(jié)構(gòu)本體概覽

上節(jié)中構(gòu)建的科學(xué)論文論證結(jié)構(gòu)模型只是一個(gè)抽象模型，本節(jié)采用OWL本體語言對其進(jìn)行形式化表示，規(guī)范定義模型中的論證元素及其關(guān)系，最終生成一個(gè)立體化、細(xì)粒度的科學(xué)論文論證結(jié)構(gòu)本體，如圖5所示。

相較于MP本體和王曉光等構(gòu)建的論證本體，本文構(gòu)建的論證結(jié)構(gòu)本體更全面、更細(xì)粒度地揭示了論文的論證結(jié)構(gòu)，主要從語句、實(shí)體及語境3個(gè)層面來描述論文的論證結(jié)構(gòu)：論證元素的粒度為句子級;陳述型論證元素（前人陳述、結(jié)論和結(jié)果）采用“實(shí)體—關(guān)系—實(shí)體”三元組來表示：以“確定程度”為對象屬性來描述結(jié)論，增加其語境信息。

科學(xué)論文論證結(jié)構(gòu)本體主要復(fù)用了DEO、Nan-opublishing、AMO和MP這4個(gè)本體中的部分詞匯。DEO本體是由Shotton D等和Peroni S于2015年構(gòu)建的語義出版與參考本體（Semantic Publishing and Referencing Ontologies，簡稱SPAR本體）家族中的一員，用于描述科學(xué)論文中的修辭要素，包括介紹、方法、材料、結(jié)果、參考文獻(xiàn)等。Nanopublishing本體是由概念網(wǎng)絡(luò)聯(lián)盟于2005年提出的納米出版模型的OWL本體版，用于對科學(xué)論文中的結(jié)論或觀點(diǎn)進(jìn)行語義化描述，以“主—謂—賓”三元組形式表示最小無歧義的知識單元。AMO本體其實(shí)是圖爾敏模型的OWL本體版，由Vitali F等于2011年采用OWL2DL語言對圖爾敏模型進(jìn)行語義化重構(gòu)后生成。MP本體是哈佛醫(yī)學(xué)院的ClarkT等提出微出版模型（Mircopublication）本體，用于對論文中的論證元素及其關(guān)系進(jìn)行語義描述。除了復(fù)用上述本體中的類和屬性之外，科學(xué)論文論證結(jié)構(gòu)本體中還包含了自定義的類和屬性，采用前綴spsao（http：∥www.example.com/spsao#）表示。下面將對該本體中的主要類和屬性（關(guān)系）進(jìn)行詳細(xì)介紹。

3.2論證結(jié)構(gòu)本體的主要類和關(guān)系

科學(xué)論文論證結(jié)構(gòu)本體中的主要類如表2所示，主要屬性如表3所示。

在科學(xué)論文論證結(jié)構(gòu)本體中，最核心的類是spsao：Conclusion（結(jié)論），表示科學(xué)論文的最終結(jié)論，是AMO本體中amo：Claim（主張）類的一個(gè)子類。結(jié)論類具有屬性spsao：hasQualifier（確定程度），描述結(jié)論的確定程度，其值域是spsao：CerntainLev-el（確定程度）類。該類是AMO本體中amo：Qualifer（限定詞）類的一個(gè)子類，是一個(gè)枚舉類，只有Weakly（弱）、Moderately（中）和Strongly（強(qiáng)）3個(gè)值。同時(shí)，spsao：CemtainLevel（確定程度）類具有屬性amo：forces（對…強(qiáng)調(diào)），描述該類的強(qiáng)調(diào)對象，其值域?yàn)榻Y(jié)論類。結(jié)論類還具有對象屬性amo：hasEvidence（具有證據(jù)…），描述支持該結(jié)論的證據(jù)，其值域是DEO本體中的deo：Result（結(jié)果）類。該類和deo：Method（方法）類均是AMO本體amo：Evidence（證據(jù)）類的子類，而且方法和結(jié)果之間是amo：supports（支持）關(guān)系。

spsao：PriorStatement（前人陳述）類、spsao：Problme（問題）類、spsao：Hypothesis（假設(shè)）類和spsao：Goal（目標(biāo)）類4個(gè)類為AMO本體amo：War-rant（理由）類的子類，它們都是支持結(jié)論類的正當(dāng)理由。其中，假設(shè)類為可缺省類，即論文中可能不包含假設(shè)這一論證元素。前人陳述和問題之間是amo：leadTo（引發(fā)）關(guān)系，問題和目標(biāo)之間是spsao：produces（產(chǎn)出）關(guān)系，目標(biāo)類具有對象屬性amo：leadTo（引發(fā)），其值域?yàn)閟psao：Conclusion（結(jié)論）類;問題和假設(shè)之間是spsao：produces（產(chǎn)出）關(guān)系，假設(shè)類也具有對象屬性spsao：produces（產(chǎn)出），其值域?yàn)閟psao：Conclusion（結(jié)論）類。

此外，spsao：PriorStatement（前人陳述）類和spsao：CurrentStatement（當(dāng)前陳述）類均是MP本體中mp：Statement（陳述）類的子類，該陳述類具有對象屬性rdf：subject（主語）、rdf：predicate（謂語）和rdf：object（賓語），值域?yàn)閟psao：Entity（主語、賓語實(shí)體/概念）和rdf：Property（關(guān)系類）。

3.3語義描述實(shí)例

基于構(gòu)建的科學(xué)論文論證結(jié)構(gòu)本體，以科學(xué)論文“Genetically Elevated Gamma-glutamyhransferaseand Alzheimer’s Disease”為例，采用手工方式對該論文中包含的論證元素及其關(guān)系進(jìn)行語義標(biāo)注，結(jié)果如圖6所示。

本文構(gòu)建的實(shí)例命名空間為“@prefix ex：ht-tp：∥www.example.org/.”。案例論文從兩個(gè)前人陳述出發(fā)，發(fā)現(xiàn)了研究問題“γ-谷氨酰轉(zhuǎn)移酶和阿爾茨海默病之間的關(guān)系尚不清楚”，然后提出假設(shè)“腦膽固醇代謝紊亂是鉛暴露導(dǎo)致早期AD相關(guān)結(jié)果的發(fā)病機(jī)制中的一個(gè)候選病因”，通過一系列的實(shí)驗(yàn)方法得到實(shí)驗(yàn)結(jié)果，最后得到最終的研究結(jié)論，即“研究結(jié)果不能證實(shí)γ-谷氨酰轉(zhuǎn)移酶（GGT）對阿爾茨海默?。ˋD）風(fēng)險(xiǎn)的任何因果關(guān)系”，其包含的實(shí)體—關(guān)系—實(shí)體為“γ-谷氨酰轉(zhuǎn)移酶（GGT）—不能影響（cannot_effect）—阿爾茨海默?。ˋD）”，限定詞是“Strongly”表示論文得出的結(jié)論非常確定。

如圖6所示，通過基于科學(xué)論文論證結(jié)構(gòu)本體的語義標(biāo)注，可以將非結(jié)構(gòu)化的科學(xué)論文文本轉(zhuǎn)換為結(jié)構(gòu)化的RDF數(shù)據(jù)。生成的RDF數(shù)據(jù)可以采用關(guān)聯(lián)數(shù)據(jù)形式進(jìn)行發(fā)布，以供讀者瀏覽和查詢。一方面可以幫助讀者快速獲得科學(xué)論文宏觀的論證結(jié)構(gòu)：另一方面可幫助讀者精確定位細(xì)粒度的微觀信息，如研究結(jié)論、研究方法、研究假設(shè)等。此外，還可以進(jìn)一步探索其他相關(guān)論文的信息。

4論證結(jié)構(gòu)語義數(shù)據(jù)的應(yīng)用

4.1論證結(jié)構(gòu)語義數(shù)據(jù)應(yīng)用框架

為了驗(yàn)證所構(gòu)建的科學(xué)論文論證結(jié)構(gòu)本體，以5篇生物醫(yī)學(xué)領(lǐng)域?qū)嶒?yàn)型論文為例，通過手工標(biāo)注方式構(gòu)建本體的實(shí)例數(shù)據(jù)，實(shí)現(xiàn)科學(xué)論文中論證要素及其論證關(guān)系的全方位語義關(guān)聯(lián)。首先，從論文的不同部分分別抽取出相應(yīng)的論證元素：從“引言”章節(jié)中抽取出前人陳述、問題、假設(shè)和目的4項(xiàng)論證元素：從“結(jié)果”章節(jié)中抽取出方法和結(jié)果2項(xiàng)論證元素：從“討論/結(jié)論”章節(jié)中抽取出結(jié)論。接下來，基于構(gòu)建的科學(xué)論文論證結(jié)構(gòu)本體，將從論文中抽取出的論證元素轉(zhuǎn)換為RDF格式，各元素的值均是自然語言文本。對于“前人陳述”“結(jié)果”和“結(jié)論”這3種關(guān)于科學(xué)觀點(diǎn)或科學(xué)論斷的陳述，則被進(jìn)一步轉(zhuǎn)換為“實(shí)體—關(guān)系—實(shí)體”三元組形式，“結(jié)論”的確定程度也被識別。

為了展示科學(xué)論文論證結(jié)構(gòu)關(guān)聯(lián)數(shù)據(jù)的應(yīng)用，本文設(shè)計(jì)了一個(gè)應(yīng)用架構(gòu)，如圖7所示。該架構(gòu)在Windows環(huán)境下運(yùn)行，采用Web瀏覽器/Web服務(wù)器/數(shù)據(jù)服務(wù)器3層架構(gòu)，空心箭頭為數(shù)據(jù)輸入路線，實(shí)心箭頭為數(shù)據(jù)輸出路線。科學(xué)論文論證結(jié)構(gòu)關(guān)聯(lián)數(shù)據(jù)集存儲在RDF三元組存儲器JeanaTDB中，通過RDF查詢服務(wù)器Jena Fuseki作為數(shù)據(jù)接口來接受外界的訪問。Tomcat作為Web服務(wù)器負(fù)責(zé)用戶請求的調(diào)度、SPARQL查詢語句的構(gòu)建和查詢結(jié)果的格式轉(zhuǎn)換，以及Web頁面的發(fā)布。Web瀏覽器負(fù)責(zé)用戶輸入和關(guān)聯(lián)數(shù)據(jù)查詢與分析結(jié)果的展示。應(yīng)用場景主要有兩類：基于內(nèi)容的語義查詢和基于內(nèi)容的知識可視化顯示。

4.2基于內(nèi)容的語義檢索

語義檢索主要是基于科學(xué)論文論證結(jié)構(gòu)關(guān)聯(lián)數(shù)據(jù)，有針對性地查詢科學(xué)論文中的特定論證元素，如前人陳述、假設(shè)、目的或結(jié)論等。查詢可以通過內(nèi)置的SPARQL查詢模板來實(shí)現(xiàn)。本節(jié)列舉了以下3種主要的語義檢索方式。

1）查詢科學(xué)論文中的特定論證元素。通過查詢論文中的特定元素，譬如，查詢某一篇論文的研究結(jié)論，科研人員可以快速獲得其感興趣的信息，以提高查詢和閱讀論文的效率。

2）查詢科學(xué)論文中的特定實(shí)體。前人陳述、研究結(jié)果和研究結(jié)論均為科學(xué)陳述，因此被進(jìn)一步轉(zhuǎn)換為“實(shí)體—關(guān)系—實(shí)體”的三元組表示形式。因此，可以查詢包含特定實(shí)體的論證元素及其所在論文，譬如，查找在結(jié)果和結(jié)論中包含了“γ-谷氨酰轉(zhuǎn)移酶（GGT）”實(shí)體的科學(xué)論文。

3）查詢具有某種確定程度的科學(xué)論文結(jié)論?？梢圆樵冋撐闹芯哂胁煌_定程度（強(qiáng)、中、弱）的結(jié)論，以便獲得精準(zhǔn)的科學(xué)知識。

圖8所示為查詢具有某種確定程度的結(jié)論及其來源論文的SPARQL查詢語句，矩形框內(nèi)的值為結(jié)論的確定程度，可以是：Weakly（弱）、Moder-ately（中）和Strongly（強(qiáng)），用戶可以根據(jù)自己的需求選擇不同的查詢限制。檢索結(jié)果如圖9所示，檢索到的兩篇科學(xué)論文的結(jié)論分別采用“might”和“maybe”這樣的限定詞，說明這兩個(gè)結(jié)論的不確定性，從而幫助讀者判斷科學(xué)知識的準(zhǔn)確性。

4.3基于內(nèi)容的知識可視化分析

科學(xué)論文中的知識往往分散在論文不同章節(jié)之中，通過對科學(xué)論文論證結(jié)構(gòu)進(jìn)行語義表示，可以將論文中的知識結(jié)構(gòu)化和顯性化。在此基礎(chǔ)上，可以采用可視化技術(shù)以圖形化方式更加生動(dòng)、形象地展示科學(xué)論文的知識，幫助用戶更好地理解和利用語義數(shù)據(jù)，進(jìn)一步發(fā)現(xiàn)其中隱含的規(guī)律。面向科學(xué)論文論證結(jié)構(gòu)關(guān)聯(lián)數(shù)據(jù)可視化方式主要有兩種：①論文論證結(jié)構(gòu)的可視化：從宏觀角度出發(fā)，概覽一篇科學(xué)論文整體的論證結(jié)構(gòu);②論文中實(shí)體—關(guān)系的可視化：從微觀角度出發(fā)，展示一篇科學(xué)論文內(nèi)部實(shí)體間的語義關(guān)系。

本節(jié)聚焦于實(shí)體—關(guān)系可視化方式，以實(shí)例展示一篇科學(xué)論文中包含的簡單實(shí)體—關(guān)系網(wǎng)絡(luò)。首先，查詢一篇科學(xué)論文中陳述的實(shí)體及其關(guān)系，即“前人陳述”“結(jié)果”和“結(jié)論”這3個(gè)論證元素中包含的“實(shí)體—關(guān)系—實(shí)體”三元組，對應(yīng)的SPARQL查詢語句如圖10所示。在分別得到這3個(gè)論證元素的RDF三元組數(shù)據(jù)后，將該數(shù)據(jù)轉(zhuǎn)換為圖形格式并返回給瀏覽器，在Web客戶端以網(wǎng)絡(luò)圖方式展示實(shí)體—關(guān)系網(wǎng)絡(luò)，如圖11所示。從圖中可以看出，該論文中“前人陳述”“結(jié)果”和“結(jié)論”這3個(gè)論證元素中包含的實(shí)體—關(guān)系構(gòu)成了一個(gè)簡單的研究邏輯，即前人研究過“γ-谷氨酰轉(zhuǎn)移酶（GGT）和認(rèn)知能力的關(guān)系”，而“認(rèn)知能力”又與“阿爾茨海默?。ˋD）”相關(guān)，作者通過實(shí)驗(yàn)得出結(jié)果之一“GGT相關(guān)的26單核苷酸多態(tài)性與AD不相關(guān)”，最終得出結(jié)論“γ-谷氨酰轉(zhuǎn)移酶（GGT）不能影響阿爾茨海默?。ˋD）”。

5結(jié)語

本文提出了一種面向科學(xué)論文內(nèi)容的論證結(jié)構(gòu)本體，該本體詳細(xì)定義了科學(xué)論文中包含的多種論證元素、陳述型論證元素的實(shí)體—關(guān)系表示及論證關(guān)系，使科學(xué)論文的內(nèi)容結(jié)構(gòu)顯性化、模塊化，可以有效促進(jìn)科學(xué)交流和科學(xué)研究。本文首先基于波普爾知識增長理論來解釋科學(xué)研究的過程，從而總結(jié)出科學(xué)論文中包含的7種論證元素：前人陳述、問題、假設(shè)、目的、方法、結(jié)果和結(jié)論。然后，基于圖爾敏模型對論證元素間的論證關(guān)系進(jìn)行語義建模。在復(fù)用DEO、AMO、Nanopublishing等本體的基礎(chǔ)上，采用OWL語言構(gòu)建了科學(xué)論文論證結(jié)構(gòu)本體模型，并通過一篇科學(xué)論文實(shí)例展示了該本體對論文中的論證元素及其論證關(guān)系進(jìn)行語義描述的結(jié)果。此外，在語義描述的基礎(chǔ)上，通過基于內(nèi)容的語義檢索、語義數(shù)據(jù)可視化等實(shí)驗(yàn)，展示了科學(xué)論文論證結(jié)構(gòu)語義化表示的應(yīng)用效果。在后續(xù)研究中，擬采用自然語義處理與文本挖掘技術(shù)自動(dòng)識別科學(xué)論文中的論證元素及其論證關(guān)系，實(shí)現(xiàn)對科學(xué)論文內(nèi)容及結(jié)構(gòu)的自動(dòng)語義標(biāo)注，以期構(gòu)建面向知識服務(wù)的科學(xué)交流系統(tǒng)。

（責(zé)任編輯：郭沫含）