發(fā)布時(shí)間：2020-02-26 14:14

【摘要】：知識(shí)庫(kù)引文推薦是指針對(duì)知識(shí)庫(kù)內(nèi)的實(shí)體,將與其相關(guān)的文檔進(jìn)行自動(dòng)的篩選與推薦。隨著知識(shí)庫(kù)在各個(gè)領(lǐng)域的廣泛應(yīng)用,知識(shí)庫(kù)引文推薦逐漸成為當(dāng)前的研究熱點(diǎn),例如文本檢索會(huì)議(TextRetrieval Conference,TREC)中的 KBA(Knowledge Base Acceleration)評(píng)測(cè)中就有針對(duì)引文推薦的任務(wù)CCR(Cumulative Citation Recommendation),本文研究的課題也是基于該任務(wù)。當(dāng)前對(duì)知識(shí)庫(kù)引文推薦的研究,主要集中在將其建模為排序?qū)W習(xí)的檢索模型。通過(guò)對(duì)比不同引文推薦常用模型,本文提出了基于排序?qū)W習(xí)的引文推薦方法,在此基礎(chǔ)上將知識(shí)庫(kù)引文推薦歸結(jié)為三個(gè)關(guān)鍵問(wèn)題:針對(duì)知識(shí)庫(kù)某一實(shí)體名的查詢擴(kuò)展、針對(duì)文檔和實(shí)體的特征提取、以及判斷文檔與實(shí)體相關(guān)性的預(yù)測(cè)模型的選擇。本文的主要研究?jī)?nèi)容和階段成果如下:1.提出了基于語(yǔ)義詞典與詞向量(wordembedding)相結(jié)合的實(shí)體查詢擴(kuò)展算法。首先,通過(guò)利用DBpedia中的屬性特征實(shí)現(xiàn)基于語(yǔ)義詞典的實(shí)體查詢擴(kuò)展算法;其次,分別利用WAF和word2vec算法實(shí)現(xiàn)基于詞向量的實(shí)體查詢擴(kuò)展算法;最后將兩種算法結(jié)合起來(lái),獲得最終的實(shí)體擴(kuò)展結(jié)果。2.提取出本領(lǐng)域不常使用的語(yǔ)義特征、句法特征和時(shí)間特征,用以實(shí)現(xiàn)后續(xù)的相似性判斷。采用LDA和ESA算法來(lái)構(gòu)建語(yǔ)義特征,用以解決一詞多義問(wèn)題。此外,本文發(fā)現(xiàn)句法特征和時(shí)間特征在知識(shí)庫(kù)引文推薦中同樣非常有效。3.在上述基礎(chǔ)上,采用point-wise、pair-wise和list-wise三種排序?qū)W習(xí)的方法,實(shí)現(xiàn)實(shí)體與文檔的相關(guān)性判斷。實(shí)驗(yàn)證明,該方法比常用的知識(shí)庫(kù)引文推薦算法更有效。4.提出了線性模型將邏輯回歸與隨機(jī)森林分類器組合起來(lái),完成排序?qū)W習(xí)算法,并最終實(shí)現(xiàn)相關(guān)性的判斷。實(shí)驗(yàn)證明該方法比通用的排序?qū)W習(xí)更能有效解決知識(shí)庫(kù)引文推薦問(wèn)題。5.設(shè)計(jì)并實(shí)現(xiàn)了完整的知識(shí)庫(kù)引文推薦系統(tǒng)。該系統(tǒng)在TREC KBA2014評(píng)測(cè)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果與基線系統(tǒng)相比,F1值平均提升了19.8%。表明本文設(shè)計(jì)的算法能夠較好的解決引文推薦問(wèn)題,且具有可行性。
【圖文】：

邐邐逡逑ＬＤＡ是一個(gè)多層的生成式全概率生成模型，是對(duì)文本的語(yǔ)義特征建模方法，逡逑如下圖所示。ＬＤＡ算法中包含詞、主題（語(yǔ)義）及文檔三個(gè)概念。ＬＤＡ的建模逡逑過(guò)程如下：給定一個(gè)文檔集合，ＬＤＡ將每個(gè)文檔都建模為一個(gè)主題的分布，每逡逑個(gè)主題建模為一個(gè)多項(xiàng)式分布來(lái)表示該主題生成詞的概率。在ＬＤＡ模型中，這逡逑些主題在所有文檔中都存在而區(qū)分每個(gè)文檔的是：不同文檔有著一個(gè)特定的分布。逡逑ＬＤＡ的模型包括參數(shù)（ｃｃ，邋Ｐ），ａ表示每個(gè)主題（即隱含語(yǔ)義）在整個(gè)文檔集中的逡逑重要性大小，ｐ表示所有主題的分布情況。ｚ表示文檔在每個(gè)詞上的主題的權(quán)重，逡逑０代表文檔中各個(gè)主題在文檔中的比重，Ｗ為文檔集中文檔的總數(shù)，ｗ是文檔的逡逑詞表示，／Ｖｄ表示該文檔的總詞數(shù)。逡逑相較于ＬＳＡ或ＰＬＳＡ等模型，ＬＤＡ有很明顯的優(yōu)勢(shì)和好處：首先ＬＤＡ模逡逑型是全概率生成模型，，故有著更清晰的結(jié)構(gòu)且有較深厚的理論基礎(chǔ)；同時(shí)，ＬＤＡ逡逑模型的大小與訓(xùn)練樣本數(shù)無(wú)關(guān)，因此對(duì)于數(shù)據(jù)量大的文本語(yǔ)料，有天生的優(yōu)勢(shì)。逡逑隨著ＬＤＡ模型、ＬＤＡ的演進(jìn)模型在自然語(yǔ)言處理中的應(yīng)用，他們的價(jià)值逐漸得逡逑到重視并得到了很深入的研究，但在引文推薦領(lǐng)域還沒(méi)有人對(duì)其進(jìn)行應(yīng)用。逡逑

邐第三章基于語(yǔ)義詞典與詞向量的查詢擴(kuò)展邐逡逑的索引。但這種向量有些缺點(diǎn)：一是詞典中的詞在意義上并不一定是正交的，不逡逑同維度可能是有關(guān)聯(lián)的？，二是當(dāng)詞典較大的時(shí)候會(huì)引發(fā)維度災(zāi)難（Ｃｕｒｓｅ邋ｏｆ逡逑Ｄｉｍｅｎｓｉｏｎａｌｉｔｙ邋）邋0逡逑詞向量可以視為Ｄｉｓｔｒｉｂｕｔｅｄ邋Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ的一＇種具體實(shí)現(xiàn)。Ｄｉｓｔｒｉｂｕｔｅｄ逡逑Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ最早由Ｈｉｎｔｏｎ與１９８６年提出，可以克服ｏｎｔ－ｈｏｔ的上述缺點(diǎn)。其逡逑基本思想是：通過(guò)訓(xùn)練，將語(yǔ)言中的每個(gè)詞映射成一個(gè)長(zhǎng)度固定的向量，這些向逡逑量可以視為詞向量空間中的一個(gè)點(diǎn)，語(yǔ)義計(jì)算可以通過(guò)點(diǎn)之間的數(shù)學(xué)運(yùn)算來(lái)實(shí)現(xiàn)。逡逑類比的關(guān)系可以通過(guò)向量作差來(lái)計(jì)算，如經(jīng)典的例子Ｋｉｎｇ－Ｑｕｅｅｎ邋￣邋Ｍａｎ邋－逡逑Ｗｏｍａｎ邋0逡逑Ｍｉｋｏｌｏｖ邋在邋２０１３邋年的論文中，給出邋了基于邋ＣＢＯＷ（ＣｏｎｔｉｎｕｏｕｓＢａｇ－ｏｆ－Ｗｏｒｄ）逡逑與Ｓｋｉｐ－ｇｒａｍ邋（Ｃｏｎｔｉｎｕｏｕｓ邋Ｓｋｉｐ－ｇｒａｍ）的兩種詞向量訓(xùn)練方法。逡逑■ＰＯＴ邋ｒａＯＳＣＴＩＯＮ邋ｍｉＴＲＪＴ邐１：�。＃埽绷隋澹校遥希剩牛茫裕桑希五澹希剩裕疲欤椋藻义�
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 于東;荀恩東;;基于Word Embedding語(yǔ)義相似度的字母縮略術(shù)語(yǔ)消歧[J];中文信息學(xué)報(bào);2014年05期

2 付劍鋒;劉宗田;劉念祖;;基于多知識(shí)庫(kù)和局部反饋的查詢擴(kuò)展研究[J];情報(bào)雜志;2013年02期

3 毛琪;黃永峰;;基于網(wǎng)絡(luò)知識(shí)庫(kù)與通用搜索引擎的查詢?cè)~擴(kuò)展方法[J];計(jì)算機(jī)應(yīng)用;2012年S2期

4 楊清琳;李陶深;農(nóng)健;;基于領(lǐng)域本體知識(shí)庫(kù)的語(yǔ)義查詢擴(kuò)展[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年11期

5 李衛(wèi)疆;趙鐵軍;王憲剛;;基于上下文的查詢擴(kuò)展[J];計(jì)算機(jī)研究與發(fā)展;2010年02期

6 王瑞琴;孔繁勝;;基于無(wú)導(dǎo)詞義消歧的語(yǔ)義查詢擴(kuò)展[J];情報(bào)學(xué)報(bào);2011年02期

相關(guān)博士學(xué)位論文 前1條

1 張富;模糊數(shù)據(jù)庫(kù)支持的模糊描述邏輯與本體知識(shí)庫(kù)抽取和存儲(chǔ)關(guān)鍵技術(shù)的研究[D];東北大學(xué);2011年

相關(guān)碩士學(xué)位論文 前2條

1 張為泰;基于詞向量模型特征空間優(yōu)化的同義詞擴(kuò)展研究與應(yīng)用[D];北京郵電大學(xué);2015年

2 鄒揚(yáng);WAF改進(jìn)算法在基于語(yǔ)義分析的查詢擴(kuò)展上的應(yīng)用[D];北京郵電大學(xué);2012年

本文編號(hào)：2583015