本发明涉及学术论文文本分类，具体地，涉及一种人工智能论文识别方法及装置。
背景技术：
1、近年来，人工智能(ai)的最新进展对金融、医学、交通和社会治理等多个社会领域产生了深远影响。值得注意的是，科研领域的知识生产过程也与人工智能深度交织。一方面，由强大算法和海量计算能力支持的人工智能系统在整合现有知识并为未探索的科学问题提供创新性解决方案中表现出巨大潜力。例如，deepmind公司的人工智能技术可以学习数百万个不同扭结问题的模式，然后为数学家的直觉提供提示，帮助发现值得研究的新模式。此外，蛋白质折叠预测模型alphafold通过准确预测3d蛋白质结构，避免了对x射线衍射和冷冻电子显微镜等昂贵的传统实验技术的需求，彻底改变了结构生物学研究。另一方面，生成式人工智能在自然语言生成方面拥有卓越的能力，极大地方便了研究人员编写和发表其科学成果。以预训练生成式聊天机器人chatgpt为例，人工智能聊天机器人式工具可以生成令人信服的流畅文本，帮助研究人员有效地修改和完善论文。人工智能在科学研究中的这些变革能力引发了传统知识生产范式的结构性变化，引发了科学界广泛关注的问题：人工智能将如何塑造科学研究的未来？科学参与者应如何抓住机遇，以推动科学可持续发展？
2、围绕上述问题，人工智能对科学研究的影响引起了学术界的广泛兴趣。然而，现有研究缺乏涉及多学科科学研究的大规模人工智能使用数据集，而这对于促进系统性定量和统计分析至关重要。例如，已有研究人员就人工智能可能取代人类研究人员进行了讨论。虽然他们的工作提供了有价值的观点，但缺乏定量证据的支持。此外，一项观察性研究调查了人工智能研究的潜在社会影响。然而，他们仅根据文章引用关系图识别出计算机科学学科内的几个与人工智能相关的研究领域，而没有在单个研究论文的细粒度层面上区分跨多个学科的人工智能使用情况。因此，为充分理解人工智能对科学研究的影响，亟需一种能够在多学科、大规模研究论文中准确、高效地识别出与人工智能技术相关的研究论文的方法，由此为定量化的分析研究提供数据基础。
技术实现思路
1、本发明实施例的主要目的在于提供一种人工智能论文识别方法及装置，以准确、高效地识别出与人工智能技术相关的研究论文。
2、为了实现上述目的，本发明实施例提供一种人工智能论文识别方法，包括：
3、将当前论文的摘要输入论文摘要识别模型中，得到摘要相关值和摘要非相关值；
4、将当前论文的标题输入论文标题识别模型中，得到标题相关值和标题非相关值；
5、根据所述摘要相关值、所述摘要非相关值、所述标题相关值和所述标题非相关值确定人工智能论文概率；
6、根据所述人工智能论文概率确定所述当前论文的识别结果；
7、其中，论文识别模型通过对注意力网络的二阶段训练得到，所述论文识别模型包括论文摘要识别模型和所述论文标题识别模型。
8、在其中一种实施例中，根据所述摘要相关值、所述摘要非相关值、所述标题相关值和所述标题非相关值确定人工智能论文概率包括：
9、根据所述摘要相关值和所述摘要非相关值确定摘要概率；
10、根据所述标题相关值和所述标题非相关值确定标题概率；
11、根据所述摘要概率和所述标题概率确定所述人工智能论文概率。
12、在其中一种实施例中，还包括：
13、根据第一训练集和第一验证集训练预设的初始论文识别模型，得到论文识别第一阶段模型；
14、将论文数据输入所述论文识别第一阶段模型中，得到第一阶段识别结果；
15、根据所述第一阶段识别结果构建第二训练集和第二验证集；
16、根据所述第二训练集和所述第二验证集训练所述论文识别第一阶段模型，得到所述论文识别模型。
17、在其中一种实施例中，根据第一训练集和第一验证集训练预设的初始论文识别模型，得到论文识别第一阶段模型包括：
18、根据所述第一训练集训练预设的初始论文识别模型，得到多个第一论文识别训练模型；
19、根据所述第一验证集验证所述多个第一论文识别训练模型，根据各第一论文识别训练模型的验证结果从所述多个第一论文识别训练模型中选择所述论文识别第一阶段模型。
20、在其中一种实施例中，根据所述第二训练集和所述第二验证集训练所述论文识别第一阶段模型，得到所述论文识别模型包括：
21、根据所述第二训练集训练所述论文识别第一阶段模型，得到多个第二论文识别训练模型；
22、根据所述第二验证集验证所述多个第二论文识别训练模型，根据各第二论文识别训练模型的验证结果从所述多个第二论文识别训练模型中选择所述论文识别模型。
23、本发明实施例还提供一种人工智能论文识别装置，包括：
24、摘要模块，用于将当前论文的摘要输入论文摘要识别模型中，得到摘要相关值和摘要非相关值；
25、标题模块，用于将当前论文的标题输入论文标题识别模型中，得到标题相关值和标题非相关值；
26、论文概率模块，根据所述摘要相关值、所述摘要非相关值、所述标题相关值和所述标题非相关值确定人工智能论文概率；
27、识别结果模块，用于根据所述人工智能论文概率确定所述当前论文的识别结果；
28、其中，论文识别模型通过对注意力网络的二阶段训练得到，所述论文识别模型包括论文摘要识别模型和所述论文标题识别模型。
29、在其中一种实施例中，所述论文概率模块包括：
30、摘要概率单元，用于根据所述摘要相关值和所述摘要非相关值确定摘要概率；
31、标题概率单元，用于根据所述标题相关值和所述标题非相关值确定标题概率；
32、论文概率单元，用于根据所述摘要概率和所述标题概率确定所述人工智能论文概率。
33、在其中一种实施例中，还包括：
34、第一阶段模型模块，用于根据第一训练集和第一验证集训练预设的初始论文识别模型，得到论文识别第一阶段模型；
35、第一阶段识别结果模块，用于将论文数据输入所述论文识别第一阶段模型中，得到第一阶段识别结果；
36、数据集构建模块，用于根据所述第一阶段识别结果构建第二训练集和第二验证集；
37、论文识别模型模块，用于根据所述第二训练集和所述第二验证集训练所述论文识别第一阶段模型，得到所述论文识别模型。
38、在其中一种实施例中，所述第一阶段模型模块包括：
39、第一训练单元，用于根据所述第一训练集训练预设的初始论文识别模型，得到多个第一论文识别训练模型；
40、第一验证单元，用于根据所述第一验证集验证所述多个第一论文识别训练模型，根据各第一论文识别训练模型的验证结果从所述多个第一论文识别训练模型中选择所述论文识别第一阶段模型。
41、在其中一种实施例中，所述论文识别模型模块包括：
42、第二训练单元，根据所述第二训练集训练所述论文识别第一阶段模型，得到多个第二论文识别训练模型；
43、第二验证单元，根据所述第二验证集验证所述多个第二论文识别训练模型，根据各第二论文识别训练模型的验证结果从所述多个第二论文识别训练模型中选择所述论文识别模型。
44、本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的人工智能论文识别方法的步骤。
45、本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述的人工智能论文识别方法的步骤。
46、本发明实施例还提供一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现所述的人工智能论文识别方法的步骤。
47、本发明实施例的人工智能论文识别方法及装置先将当前论文的摘要、标题分别对应的识别模型中得到对应值以确定人工智能论文概率，然后根据人工智能论文概率确定当前论文的识别结果，可以准确、高效地识别出与人工智能技术相关的研究论文。
1.一种人工智能论文识别方法，其特征在于，包括：
2.根据权利要求1所述的人工智能论文识别方法，其特征在于，根据所述摘要相关值、所述摘要非相关值、所述标题相关值和所述标题非相关值确定人工智能论文概率包括：
3.根据权利要求2所述的人工智能论文识别方法，其特征在于，还包括：
4.根据权利要求3所述的人工智能论文识别方法，其特征在于，根据第一训练集和第一验证集训练预设的初始论文识别模型，得到论文识别第一阶段模型包括：
5.根据权利要求3所述的人工智能论文识别方法，其特征在于，根据所述第二训练集和所述第二验证集训练所述论文识别第一阶段模型，得到所述论文识别模型包括：
6.一种人工智能论文识别装置，其特征在于，包括：
7.根据权利要求6所述的人工智能论文识别装置，其特征在于，所述论文概率模块包括：
8.根据权利要求7所述的人工智能论文识别装置，其特征在于，还包括：
9.根据权利要求8所述的人工智能论文识别装置，其特征在于，所述第一阶段模型模块包括：
10.根据权利要求8所述的人工智能论文识别装置，其特征在于，所述论文识别模型模块包括：
11.一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的人工智能论文识别方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述的人工智能论文识别方法的步骤。
13.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1至5任一项所述的人工智能论文识别方法的步骤。
