本体引导多智能体从学术评论文本中提取评价对象：来自中国图书情报学的证据

学术评论、学术评论、书评作为理论、方法、文献、制度、政策等评价性陈述的来源，为学术评价提供了宝贵的证据。现有的科学实体提取方法主要针对研究文章，对于评价对象效果较差，这些评价对象往往是抽象的、上下文依赖的、类型边界模糊的。本研究提出了一种本体引导的多智能体框架，用于评估对象提取。该框架结合了候选发现、本体约束分类和领域审查。实验结果表明，它的精度为 90.33%，召回率为 84.55%，实体级 F1 为 87.34%，严格类型 F1 为 79.78%，类型准确度为 91.35%，大大优于基于规则和零样本基线。消融结果表明，多智能体工作流程提高了召回率和稳定性，而基于本体的边界约束增强了细粒度分类并减少了类别混淆。该框架支持评价性学术文本的结构化利用，并为循证研究评价和STI挖掘提供方法论支持。