标注只针对标题和摘要进行。标注的类别包括：
• Method：方法、技术与解决问题的途径；
• Application：研究的应用点或解决的问题；
• MainMethod：在整个研究工作中使用的主要方法、技术或解决问题的途径；
• MainApplication：整个研究工作主要处理的应用点或解决的问题；
• OtherMethod：不直接参与研究工作的，作为背景存在的方法；
• OtherApplication：不直接参与研究工作的，作为背景存在的问题；
• DataSet：研究中采用的数据、数据集；
• Tool：研究中开发的或者应用的工具、系统；
• Measure：研究中采用的指标。
文本在被标注之前经过了术语识别的处理，本书使用了一个较大的计算机领域词典，利用最大正向匹配方法对领域术语进行查找，并将其标记为一个词汇单元。(www.xing528.com)
本书并没有直接在词汇层面上进行标注，而是在组块上进行。为此，待标注数据需要通过组块分析获得组块表示，标注工作的最小单元是组块。在组块分析时，对标题使用了OpenNLP Chunker，而对摘要使用Stanford Parser的组块分析功能。之所以使用两种不同的组块分析工具，原因在于标题的句式同Stanford Parser默认的句法分析模型的训练数据差别较大，句法分析得到的解析结果效果较差，而基于此的组块分析效果自然也就难以达到理想的效果，相比较而言，使用简单模型构造的OpenNLP Chunker在短文本组块分析上效果较好。
标注时，遵循了一些标注规范，其中较为重要的有：
①标注人员必须对标注的文档知识较为熟悉，不标注不熟悉的文档。在标注过程中，标注人员随机挑选文献进行标注，如果发现挑选文献所反映的内容超出了标注人员的知识范畴，则不予标注。
②如果句子不是对论文所述科研工作的反映，则这些句子不会被处理。这些句子可能是对背景信息的交代，或者是对某个概念的解释，但并没有反映科研工作行为。例如，在图2-18的片段中，2PP、pattern discovery等都不会被标注为方法，简而言之，这个句子不在标注范围之内。
③文本中会出现一些代词或者具有代词意义的名词词组，这些词汇如果体现出了全局方法或者全局问题的意义，也将被标注。由于指代消解技术的限制，人们可能不能处理这里的指代关系，但在标注时，仍然需要将其标注为MainApplication、MainMethod。同样，对于有局部意义的问题、方法也做如此处理。如图2-19所示，“our approach”即被标注为全局方法。
图2-18 不予标注的片段示例
图2-19 代词标记的示例
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。
