基于文本相似性搜索的天文学文献知识发现

研究人员数量的增加，加上（由于技术进步导致的）科学论文发表与分发的便利，已导致天文学文献的急剧增加。这可能造成了这样的困境：文献总量过于庞大以致传统人工阅读无法消费，且相关的关键知识未被研究人员发现。除了天文文献产量的增加，近几十年计算语言学也取得了若干进展。特别是，文献传播的机器辅助处理可能使得将这股论文流转换为连贯的知识集合成为可能。在本文中，我们展示了计算语言学技术在天文学文献上的应用。具体而言，我们开发了一个工具，该工具仅基于输入论文的文本内容来查找相似文章。我们发现，相较于其他给定参考论文推荐文章的工具（称为推荐系统），我们的技术表现稳健。我们的新颖工具展示了将计算语言学与天文学文献结合的巨大力量，并表明在这一努力方向上的进一步研究很可能产生更好的工具，帮助研究人员应对正在产生的海量知识。