一种基于多文档语义关联的科研文档一致性校验生成方法与流程

本发明涉及科研文档智能校验，特别是一种基于多文档语义关联的科研文档一致性校验生成方法。

背景技术：

1、随着科研活动数字化和科研项目管理平台化发展，同一科研项目通常会形成项目申报材料、研究方案、实验记录、数据报告、阶段总结和论文草稿等多类文档；多文档之间不仅存在研究对象、实验条件、评价指标和数据结果等事实关联，还存在证据支撑、结论表达和论证顺序等语义承接关系；基于自然语言处理的科研文档一致性校验，逐渐由单文档格式核查、关键词比对，发展为跨文档语义关联分析和证据支撑关系识别。

2、然而现有方案存在一些不足之处，跨文档关联多依赖文本相似度和局部语义匹配，难以区分科研主张内容与证据约束内容，也难以结合文本片段的论证位置判断支撑方向，容易出现将结论性表达反向作为证据依据的问题；另外，相关技术缺少对主张边界和证据边界的约束校验，难以判断科研主张中的研究对象、适用条件、评价指标和结论范围是否落入证据内容能够支撑的范围，容易导致边界扩大、证据断裂和来源错配，影响一致性校验结果的准确性和可追溯性。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种基于多文档语义关联的科研文档一致性校验生成方法解决科研文档跨文档语义支撑方向不明确以及主张边界与证据边界缺少约束校验的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、本发明提供了一种基于多文档语义关联的科研文档一致性校验生成方法，其包括：采集科研项目文档，进行版面解析和自然语言规范化，保留文档类型、版本时间、来源登记时间和版面来源信息，依据段落功能、标题层级和上下文关系确定论证位置属性并配置位置约束标签，形成科研文本语义片段集合；在科研文本语义片段集合中识别科研事实核心，结合位置约束标签区分科研主张内容和证据约束内容，并配置主张边界和证据边界，封装为声明化科研语义单元集合；对声明化科研语义单元集合中满足科研事实核心相同、能够建立事实对应关系中的至少一种情形，且主张边界与证据边界存在对应关系的语义单元进行跨文档对齐，依据证据边界对主张边界的覆盖关系和论证先后关系确定支撑方向，并根据论证先后关系和覆盖关系建立语义承接关系及待校验关联，生成多文档支撑证据链；沿多文档支撑证据链校验位置约束标签、支撑方向、主张边界和证据边界，当科研主张内容反向作为证据依据时判定为支撑倒置，当相邻语义单元缺少共同科研事实基础时判定为证据断裂，当主张边界超出证据边界时判定为边界扩大，当证据边界中的来源位置、实验条件、指标口径与主张边界对应内容不匹配时判定为来源错配，并生成科研文档一致性校验结果。

5、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述采集科研项目文档，进行版面解析和自然语言规范化，具体步骤如下：

6、采集同一科研项目下形成的多类文档数据，所述多类文档数据至少包括项目申报材料、研究方案、实验记录、数据报告、阶段总结和论文草稿中的多种，并登记文档名称、文档类型、文档版本时间和文档来源登记时间；

7、对文档数据进行版面解析，识别标题、正文段落、图表说明和引用说明，并保留对应版面位置；

8、对版面解析后的文本段落进行自然语言规范化，去除非语义格式内容，统一术语表达、单位表达和编号表达，并保留原始文本内容、规范化文本内容和版面来源信息之间的对应关系。

9、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述形成科研文本语义片段集合，具体步骤如下：

10、根据段落功能确定文本片段的初始论证位置属性，将背景说明对应问题提出位置，将方法说明和实验说明对应条件限定位置，将数据说明、图表解释和来源引用对应证据约束位置，将结果说明和结论说明对应科研主张位置；

11、结合标题层级和上下文关系对初始论证位置属性进行校正，并根据校正后的论证位置属性配置科研主张位置约束标签、证据约束位置约束标签、条件限定位置约束标签和问题提出位置约束标签中的一种；

12、将配置位置约束标签后的文本片段形成科研文本语义片段集合。

13、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述在科研文本语义片段集合中识别科研事实核心，具体步骤如下：

14、依据位置约束标签、段落功能、标题层级和上下文关系识别文本片段中的研究对象、实验条件、评价指标、数据结果和结论表达；

15、当文本片段包含结论表达时，将研究对象、评价指标、数据结果和结论表达之间具有对应关系的内容确定为主张侧科研事实核心；

16、当文本片段未包含结论表达且包含研究对象、实验条件、评价指标和数据结果时，将研究对象、实验条件、评价指标和数据结果之间具有对应关系的内容确定为证据侧科研事实核心。

17、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述封装为声明化科研语义单元集合，具体步骤如下：

18、将带有科研主张位置约束标签且表达研究结论、效果判断、问题解决结果中的一种内容确定为科研主张内容；

19、将带有证据约束位置约束标签且表达实验条件、数据结果、观察现象、引用来源中的一种内容确定为证据约束内容；

20、根据科研主张内容对应的研究对象、适用条件、评价指标和结论范围配置主张边界，根据证据约束内容对应的实验条件、数据范围、指标口径和来源位置配置证据边界，并将科研主张内容、证据约束内容、主张边界和证据边界封装形成声明化科研语义单元集合。

21、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述对声明化科研语义单元集合中满足科研事实核心相同、能够建立事实对应关系中的至少一种情形，且主张边界与证据边界存在对应关系的语义单元进行跨文档对齐，具体步骤如下：

22、按照科研事实核心和事实对应关系对声明化科研语义单元进行归组，形成科研事实组；

23、在同一科研事实组内比对主张边界和证据边界，当主张边界中的研究对象与证据边界中的样本对象、实验对象中的一种能够对应，主张边界中的适用条件与证据边界中的实验条件能够对应，主张边界中的评价指标与证据边界中的指标口径能够对应，且主张边界中的结论范围与证据边界中的数据范围存在对应关系时，将对应声明化科研语义单元确定为跨文档对齐的语义单元。

24、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述依据证据边界对主张边界的覆盖关系和论证先后关系确定支撑方向，具体步骤如下：

25、当主张边界中的研究对象、适用条件、评价指标和结论范围均能够由证据边界中的实验条件、数据范围和指标口径对应限定，且来源位置能够对应到证据约束内容的版面来源信息时，将覆盖关系记录为全部覆盖；

26、依据版面来源信息、文档类型、文档版本时间和文档来源登记时间确定证据约束内容和科研主张内容的论证先后关系；

27、当覆盖关系为全部覆盖，且论证先后关系表明证据约束内容先于科研主张内容时，将支撑方向确定为由证据约束内容指向科研主张内容；

28、当主张边界中的部分限定内容不能由证据边界对应限定时，将覆盖关系记录为部分覆盖，并保留待校验关联；

29、当主张边界中的研究对象、评价指标中的任一种不能与证据边界形成对应时，将覆盖关系记录为未覆盖，并不建立支撑方向。

30、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述生成多文档支撑证据链，具体步骤如下：

31、在支撑方向确定为由证据约束内容指向科研主张内容时，将对应证据约束内容确定为满足前置支撑条件；

32、在证据边界对主张边界的覆盖关系为全部覆盖时，将证据约束内容作为语义承接关系的起点，将科研主张内容作为语义承接关系的终点；

33、当证据约束内容与科研主张内容能够形成事实对应关系，且存在未满足全部覆盖、科研主张内容早于证据约束内容中的至少一种情形时，保留待校验关联；

34、按照科研事实组串联语义承接关系和待校验关联，形成连续支撑路径，并生成多文档支撑证据链。

35、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述沿多文档支撑证据链校验位置约束标签、支撑方向、主张边界和证据边界，具体步骤如下：

36、以多文档支撑证据链内语义单元对应的科研事实核心、位置约束标签、支撑方向、主张边界、证据边界、来源位置、实验条件和指标口径作为校验基础信息；

37、确定链内语义单元之间的支撑校验关系、事实连续校验关系、边界范围校验关系和来源条件校验关系；

38、根据支撑校验关系判定支撑倒置，根据事实连续校验关系判定证据断裂，根据边界范围校验关系判定边界扩大，根据来源条件校验关系判定来源错配，形成异常判定信息。

39、作为本发明所述基于多文档语义关联的科研文档一致性校验生成方法的一种优选方案，其中，所述生成科研文档一致性校验结果，具体步骤如下：

40、按照多文档支撑证据链中的出现顺序归并异常判定信息，并记录异常判定信息对应的链路位置、异常类型、文本片段来源和校验依据；

41、当同一链路位置同时存在支撑倒置、证据断裂、边界扩大和来源错配中的多种异常类型时，将多种异常类型共同记录在同一链路位置下；

42、将科研事实核心、链路位置、异常类型、文本片段来源、校验依据、主张边界、证据边界和对应语义单元进行汇总，生成科研文档一致性校验结果；

43、对于已经完成校验且未形成异常判定信息的语义承接关系，将对应语义承接关系确定为正常支撑关系；

44、对于校验基础信息不完整、覆盖关系不能确定、语义承接关系集合为空中的至少一种情形，记录为信息不足待确认结果；对于一致性校验值无法计算的情形，记录为计算失败结果。

45、本发明有益效果为：通过自然语言处理对科研文档的段落功能、标题层级和上下文关系进行分析，配置位置约束标签，并结合科研事实核心区分科研主张内容与证据约束内容，实现跨文档语义单元的论证位置限定和支撑方向判别，避免将科研主张内容反向作为证据依据，提高跨文档语义支撑关系生成的准确性；通过分别配置主张边界和证据边界，并依据证据边界对主张边界的覆盖关系建立证据指向主张的语义承接关系，实现对研究对象、适用条件、评价指标、结论范围、实验条件、数据范围和指标口径的约束校验，减少边界扩大、证据断裂和来源错配，提高科研文档一致性校验结果的准确性和可追溯性。