来源：期刊VIP网 时间：
作者：李海军;王卓;
单位：中国科学院沈阳自动化研究所;中国科学院机器人与智能制造创新研究院;中国科学院大学;
摘要：金属有机框架（MOFs）的合成实验步骤通常集中存储在科学文献某一段落内，从文献中提取实验步骤对推动新型金属有机框架的开发具有重要意义。现有研究存在两个问题：第一，将整篇文献视为普通文本，按句/段直接切分处理，忽略了上下文中隐藏的高级知识；第二，模型未深入挖掘数据内部的隐藏模式。针对上述问题，提出一个基于知识融合策略的高质量知识补充任务。利用科学文献编辑风格和结构化Web数据的微妙之处，将上下文关键知识汇集到段落中，进而优化其文本表征；然后提出一种基于聚类引导的自适应分类算法，采用聚类算法将文本表征划分为多个簇，同时训练不同的分类模型来适应不同的簇，从而有效地减少数据重叠的影响，提高模型召回率。实验结果表明，所提方法的性能相比主流基线模型有较大提升。
关键词：金属有机框架;;科学文献;;知识融合;;文本表征;;聚类引导;;自适应分类;;数据重叠
基金资助：国家自然科学基金面上项目（62273337）;; 2023辽宁省人工智能创新发展计划项目（2023JH26/10300014）
