最早出现的直接相关研究成果是Kondo等发表于2009年的研究成果。Kondo和Nanba等发表于2009年[8]和2010年的文章[9]最早提出将学术文本中的词汇根据其功能进行分类，Kondo等人的研究将处理对象限定为学术文献的标题，将其中词汇的功能分为“方法（method）”“问题（goal）”“其他（other）”三类。例如，文本“本书将支持向量机用于文本分类”中，“支持向量机”构成了方法类词汇，“文本分类”则被标记为“问题”。
Gupta和Manning在2011年发表在IJNLP会议上的文献[10]中将词汇功能定义为三类：话题（focus）、技术方法（technique）和应用（application）。在此分类定义下，Gupta等使用Bootstrap法针对文本的句法树提取规则模版，进而使用提取到的模板对学术文献摘要中的词汇进行功能识别。在这一方法中，句法树解析结果和种子的选取对识别效果极为重要。
在Gupta[10]的工作基础上，Tsai等[11]将词汇功能分为“方法（technique）”和“应用（application）”两类，前者标明文献使用的方法技术，后者是方法技术所解决的问题。文献[11]同样使用了Bootstrap方法提取用于标注的特征模板，但与文献[10]不同的是，文献[11]没有使用文本的句法解析结果作为特征，因而降低了算法的计算复杂度，但在准确度上较前者却有显著的提高。
文献[12]在Gupta的功能分类基础上，提出一种基于词汇语法关系提取的功能识别方法，并将其应用于语义搜索。文献[12]使用的方法实际上是构造了一个简化的语法树结构，在计算复杂度上要高于文献[11]，也没有给出可供参照的评测结果。文献[13]使用了类似的思想，但使用了马尔科夫逻辑网络识别词汇功能。(www.xing528.com)
Ding[14]从计量的角度对功能的概念做了探索。在文献[14]中，Ding给出了知识实体（知识单元）的三层分类，即宏观实体、中观实体、微观实体，宏观层次包括作者、引文、标题等，中观层次则指关键词，微观实体包括研究使用的方法、数据等。Ding[14]的研究从科学计量的角度出发，没有给出有效的实体自动识别和实体关系提取方法，但其思想对本研究却有较大的借鉴意义。
以上研究成果从自然语言处理、信息计量两个不同角度对词汇功能分类、识别与应用进行了研究，取得了一定的效果，构成了本课题的研究基础。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
