摘要: 科研助手在本研究中指能够帮助科研人员阅读论文、完成实验等以提高科研效率为目标的一系列辅助性智能程序。其中，借助人工智能技术进行论文阅读，观点提出以及部分论文文本的自动生成，成为了研究的关键。本文首先模拟领域知识积累过程，完成大量论... 展开 科研助手在本研究中指能够帮助科研人员阅读论文、完成实验等以提高科研效率为目标的一系列辅助性智能程序。其中，借助人工智能技术进行论文阅读，观点提出以及部分论文文本的自动生成，成为了研究的关键。本文首先模拟领域知识积累过程，完成大量论文数据到领域知识图谱的构建，再基于知识图谱进行链接预测以生成新观点；然后根据生成的新观点拟定标题，即新三元组转化论文标题；最后根据前面得到的知识图谱和标题生成部分论文正文。 基于知识推理的观点生成方法IdeaLink使用多句子特征描述每个实体的潜在特征，并结合图谱结构的特征以产生更准确的实体表示。该方法在构建原知识图谱时加入了一定比例的交叉学科论文以产生不同领域思想的碰撞，然后在原知识图谱上进行链接预测来生成新观点。基于TE-LSTM编码器的短文本（标题）生成方法将输入三元组的结构保持为一个小型的知识图谱以优化模型输入中保存的信息量。该模型可以处理知识图谱中的闭环来获取全局信息，也可以处理知识图谱实体之间的非预定义的关系。基于混合结构的长文本生成方法Paperant通过自动生成机制来依次生成学术论文中的摘要、结论与未来工作以及后续论文的标题；通过自动抽取机制来生成学术论文中的关键词、相关工作以及参考文献。 以上研究内容均在真实数据集和标准任务上进行了实验，且均进行了人工评估。从实验结果可以看出，该科研助手关键技术研究中的各部分模型都有着较好的性能，且通过了人工评估来确保生成的观点、标题及文本都具有较高的可用性，这也说明了本科研助手关键技术研究确实能够起到辅助科研人员的目的。 收起