本發(fā)明涉及自然語言處理和信息抽取，具體涉及一種基于假設(shè)關(guān)系識別的科學(xué)假說圖譜生成方法。

背景技術(shù)：

1、在科學(xué)研究領(lǐng)域，科學(xué)假說的提出和驗證是推動學(xué)科發(fā)展的核心環(huán)節(jié)?？茖W(xué)假說通常是在大量已有研究和理論的基礎(chǔ)上提出的，并且需要通過系統(tǒng)的實驗和數(shù)據(jù)分析來驗證。然而，隨著科學(xué)文獻(xiàn)的數(shù)量急劇增加，研究人員面臨著巨大的挑戰(zhàn)，即如何從海量的文獻(xiàn)中有效地提取、整理和分析假設(shè)關(guān)系，以構(gòu)建科學(xué)假說圖譜，幫助指導(dǎo)后續(xù)研究。

2、近年來，隨著自然語言處理技術(shù)的發(fā)展，尤其是語義理解和關(guān)系抽取技術(shù)的進步，使得從非結(jié)構(gòu)化的科學(xué)文獻(xiàn)中自動提取有價值的信息成為可能。通過構(gòu)建科學(xué)假說圖譜，可以實現(xiàn)對復(fù)雜科學(xué)問題的可視化表達(dá)，幫助研究人員更直觀地理解各假設(shè)之間的聯(lián)系及其與已知事實的關(guān)系。然而，現(xiàn)有科學(xué)假說圖譜構(gòu)建方法多依賴于手動標(biāo)注或者僅能處理特定領(lǐng)域的封閉知識體系，缺乏對領(lǐng)域假設(shè)關(guān)系的遷移能力，且自動化程度不高，難以適應(yīng)快速變化的科研環(huán)境。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：本發(fā)明的目的是提供一種基于假設(shè)關(guān)系識別的科學(xué)假說圖譜生成方法，以解決背景技術(shù)中存在的問題。

2、技術(shù)方案：本發(fā)明所述的一種基于假設(shè)關(guān)系識別的科學(xué)假說圖譜生成方法，包括以下步驟：

3、（1）收集目標(biāo)領(lǐng)域?qū)W術(shù)文獻(xiàn)：收集目標(biāo)領(lǐng)域的大規(guī)模學(xué)術(shù)文獻(xiàn)，針對學(xué)術(shù)摘要和全文本內(nèi)容進行結(jié)構(gòu)化解析；

4、（2）識別與篩選假設(shè)關(guān)系陳述句：基于大語言模型、少樣本學(xué)習(xí)技術(shù)和大語言模型結(jié)構(gòu)化輸出工具，從學(xué)術(shù)文獻(xiàn)中自動識別結(jié)構(gòu)化假設(shè)關(guān)系陳述句；構(gòu)建語法特征與規(guī)則模板相結(jié)合的分類器，從假設(shè)關(guān)系陳述句中篩選符合條件的句子；

5、（3）識別多類型結(jié)構(gòu)化假設(shè)關(guān)系：結(jié)合大語言模型微調(diào)技術(shù)和預(yù)定義的假設(shè)關(guān)系架構(gòu)模式，從假設(shè)關(guān)系陳述句中識別多類型、結(jié)構(gòu)化假設(shè)關(guān)系；

6、（4）判別多類型假設(shè)關(guān)系：結(jié)合大語言模型與定制化規(guī)則模板，通過語義解析與邏輯推理機制自動甄別假設(shè)間的多種關(guān)系類型；

7、（5）處理假設(shè)關(guān)系標(biāo)準(zhǔn)化：基于數(shù)據(jù)驗證、縮寫擴展和詞形還原操作進行假設(shè)關(guān)系實體消歧、邏輯關(guān)系糾錯與假設(shè)沖突消融；

8、（6）自動生成科學(xué)假說圖譜：基于圖數(shù)據(jù)庫構(gòu)建領(lǐng)域科學(xué)假說圖譜，假設(shè)變量作為圖譜節(jié)點，多種假設(shè)關(guān)系類型作為圖譜邊屬性，實現(xiàn)領(lǐng)域知識因果關(guān)聯(lián)和結(jié)構(gòu)邏輯可視化。

9、進一步的，步驟（1）中，獲取目標(biāo)文獻(xiàn)的全文內(nèi)容，對于pdf格式內(nèi)容，使用pymupdf等python庫解析為文本格式；對于網(wǎng)頁全文內(nèi)容，使用elsevier?api或其他學(xué)術(shù)出版商api，獲取全文內(nèi)容；將學(xué)術(shù)文本的摘要和全文進行清洗后保存；其中，學(xué)術(shù)文獻(xiàn)的類型為公開出版的學(xué)術(shù)文獻(xiàn)。

10、進一步的，步驟（2）中，結(jié)構(gòu)化假設(shè)關(guān)系陳述句包括：假設(shè)關(guān)系陳述句類型、假設(shè)關(guān)系陳述句具體內(nèi)容、假設(shè)關(guān)系陳述句來源學(xué)術(shù)文本id，以及其他相關(guān)屬性；語法特征包括：句子的主謂賓結(jié)構(gòu)分析、時態(tài)分析、語義角色標(biāo)注；規(guī)則模板是指使用正則表達(dá)式從學(xué)術(shù)文本潛在包含假設(shè)關(guān)系的章節(jié)抽取基本結(jié)構(gòu)的模板；假設(shè)關(guān)系陳述句表示為：

11、

12、其中，”type”是假設(shè)關(guān)系陳述句的類型（假設(shè)部分、結(jié)果部分或結(jié)論部分），”sentence”是具體的內(nèi)容，”source”是所在的學(xué)術(shù)文本id；

13、分類器表示為：

14、；

15、其中， c(s)是分類結(jié)果，如果句子 s符合匹配條件，分類器標(biāo)記為1，否則標(biāo)記為0。

16、進一步的，步驟（3）中，預(yù)定義的假設(shè)關(guān)系架構(gòu)模式是指用于從假設(shè)關(guān)系陳述句中抽取多種類型的假設(shè)關(guān)系框架及其相應(yīng)的數(shù)據(jù)組織結(jié)構(gòu)，其中，架構(gòu)模式采用嵌套json格式進行組織，以確保假設(shè)關(guān)系的多維度、層次化抽??；多類型、結(jié)構(gòu)化假設(shè)關(guān)系包括：自變量、因變量、效應(yīng)、中介變量、調(diào)節(jié)變量；具體如下：

17、設(shè) v代表假設(shè)變量類型的集合，集合 v被分為五個組成部分：自變量 v ind、因變量 v dep、效應(yīng) v eff、中介變量 v med和調(diào)節(jié)變量 v mod，則：

18、；

19、其中，自變量 v ind被視為其他變量變化的潛在原因；因變量 v dep會響應(yīng)自變量的變化，而效應(yīng) v eff則說明這些影響的正向或負(fù)向機制；中介變量 v med的作用是傳遞或解釋自變量和因變量之間的關(guān)系；調(diào)節(jié)變量 v mod展示了外部條件如何影響自變量和因變量之間關(guān)系的強度或方向；設(shè) r代表關(guān)系的集合，集合 r被構(gòu)建為一個嵌套的json對象：

20、；

21、在 r中，每個 v n都有一個paperid，鏈接到相應(yīng)的學(xué)術(shù)論文；接著，采用有監(jiān)督的微調(diào)來訓(xùn)練一個能夠從學(xué)術(shù)文本中提取變量的模型。

22、進一步的，步驟（4）中，多種關(guān)系類型，包括：正向關(guān)系、負(fù)向關(guān)系、調(diào)節(jié)作用、中介作用以及因果效應(yīng)。

23、本發(fā)明所述的一種基于假設(shè)關(guān)系識別的科學(xué)假說圖譜生成系統(tǒng)，包括：

24、收集模塊（用于收集目標(biāo)領(lǐng)域?qū)W術(shù)文獻(xiàn)）：收集目標(biāo)領(lǐng)域的大規(guī)模學(xué)術(shù)文獻(xiàn)，針對學(xué)術(shù)摘要和全文本內(nèi)容進行結(jié)構(gòu)化解析；

25、陳述句模塊（用于識別與篩選假設(shè)關(guān)系陳述句）：基于大語言模型、少樣本學(xué)習(xí)技術(shù)和大語言模型結(jié)構(gòu)化輸出工具，從學(xué)術(shù)全文中自動識別結(jié)構(gòu)化假設(shè)關(guān)系陳述句；構(gòu)建語法特征與規(guī)則模板相結(jié)合的分類器，從假設(shè)關(guān)系陳述句中篩選符合條件的句子；

26、多類型結(jié)構(gòu)化假設(shè)關(guān)系抽取模塊（用于識別多類型結(jié)構(gòu)化假設(shè)關(guān)系）：結(jié)合大語言模型微調(diào)技術(shù)和預(yù)定義的假設(shè)關(guān)系架構(gòu)模式，從假設(shè)關(guān)系陳述句中識別多類型、結(jié)構(gòu)化假設(shè)關(guān)系；

27、判別模塊（用于判別多類型假設(shè)關(guān)系）：結(jié)合大語言模型與定制化規(guī)則模板，通過語義解析與邏輯推理機制自動甄別假設(shè)間的多種關(guān)系類型；

28、標(biāo)準(zhǔn)化模塊（用于處理假設(shè)關(guān)系標(biāo)準(zhǔn)化）：基于數(shù)據(jù)驗證、縮寫擴展和詞形還原操作進行假設(shè)關(guān)系實體消歧、邏輯關(guān)系糾錯與假設(shè)沖突消融；

29、科學(xué)假說圖譜模塊（用于自動生成科學(xué)假說圖譜）：基于圖數(shù)據(jù)庫構(gòu)建領(lǐng)域科學(xué)假說圖譜，假設(shè)變量作為圖譜節(jié)點，多種假設(shè)關(guān)系類型作為圖譜邊屬性，實現(xiàn)領(lǐng)域知識因果關(guān)聯(lián)和結(jié)構(gòu)邏輯可視化。

30、進一步的，收集模塊中，獲取目標(biāo)文獻(xiàn)的摘要和全文內(nèi)容，對于pdf格式內(nèi)容，使用pymupdf等python庫解析為文本格式；對于網(wǎng)頁全文內(nèi)容，使用elsevier?api或其他學(xué)術(shù)出版商api，獲取全文內(nèi)容；將學(xué)術(shù)文本的摘要和全文進行清洗后保存；其中，學(xué)術(shù)文獻(xiàn)的類型為公開出版的學(xué)術(shù)文獻(xiàn)。

31、進一步的，陳述句模塊中，結(jié)構(gòu)化假設(shè)關(guān)系陳述句包括：假設(shè)關(guān)系陳述句類型、假設(shè)關(guān)系陳述句具體內(nèi)容、假設(shè)關(guān)系陳述句來源學(xué)術(shù)文本id，以及其他相關(guān)屬性；語法特征包括：句子的主謂賓結(jié)構(gòu)分析、時態(tài)分析、語義角色標(biāo)注；規(guī)則模板是指使用正則表達(dá)式從學(xué)術(shù)文本潛在包含假設(shè)關(guān)系的章節(jié)抽取基本結(jié)構(gòu)的模板。假設(shè)關(guān)系陳述句表示為：

32、

33、其中，”type”是假設(shè)關(guān)系陳述句的類型（假設(shè)部分、結(jié)果部分或結(jié)論部分），”sentence”是具體的內(nèi)容，”source”是所在的學(xué)術(shù)文本id；

34、分類器表示為：

35、；

36、其中， c(s)是分類結(jié)果，如果句子 s符合匹配條件，分類器標(biāo)記為1，否則標(biāo)記為0。

37、進一步的，多類型結(jié)構(gòu)化假設(shè)關(guān)系模塊中，預(yù)定義的假設(shè)關(guān)系架構(gòu)模式是指用于從假設(shè)關(guān)系陳述句中抽取多種類型的假設(shè)關(guān)系框架及其相應(yīng)的數(shù)據(jù)組織結(jié)構(gòu)，其中，架構(gòu)模式采用嵌套json格式進行組織，以確保假設(shè)關(guān)系的多維度、層次化抽?。欢囝愋?、結(jié)構(gòu)化假設(shè)關(guān)系包括：自變量、因變量、效應(yīng)、中介變量、調(diào)節(jié)變量；具體如下：

38、設(shè) v代表假設(shè)變量類型的集合，集合 v被分為五個組成部分：自變量 v ind、因變量 v dep、效應(yīng) v eff、中介變量 v med和調(diào)節(jié)變量 v mod，則：

39、

40、其中，自變量 v ind被視為其他變量變化的潛在原因；因變量 v dep會響應(yīng)自變量的變化，而效應(yīng) v eff則說明這些影響的正向或負(fù)向機制；中介變量 v med的作用是傳遞或解釋自變量和因變量之間的關(guān)系；調(diào)節(jié)變量 v mod展示了外部條件如何影響自變量和因變量之間關(guān)系的強度或方向；設(shè) r代表關(guān)系的集合，集合 r被構(gòu)建為一個嵌套的json對象：

41、

42、在 r中，每個 v n都有一個paperid，鏈接到相應(yīng)的學(xué)術(shù)論文；接著，采用有監(jiān)督的微調(diào)來訓(xùn)練一個能夠從學(xué)術(shù)文本中提取變量的模型。

43、進一步的，判別模塊中，多種關(guān)系類型，包括：正向關(guān)系、負(fù)向關(guān)系、調(diào)節(jié)作用、中介作用以及因果效應(yīng)。

44、有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明具有如下顯著優(yōu)點：通過抽取學(xué)術(shù)文本中的多維變量關(guān)系，建立自變量、因變量、效應(yīng)、中介變量、調(diào)節(jié)變量等結(jié)構(gòu)化變量的假設(shè)關(guān)系，并基于數(shù)據(jù)驗證、縮寫擴展和詞形還原等操作進行假設(shè)關(guān)系實體消歧、邏輯關(guān)系糾錯與假設(shè)沖突消融，全面提高學(xué)術(shù)文本中假設(shè)關(guān)系的識別精確度和自動化水平，構(gòu)建系統(tǒng)化、結(jié)構(gòu)化的科學(xué)假說圖譜。