基于开放域抽取的多文档概念图构建研究

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-11-29 合作期刊: 《计算机应用研究》

盛泳潘 付雪峰 吴天星

摘要： 在信息过载的背景下，如何从拥有共同主题的多篇文档中挖掘并组织核心概念及其语义连接已成为当前开放式信息抽取任务中的一项重要挑战。为此，提出了一个基于开放域抽取的多文档概念图构建模型。首先基于预定主题挖掘主题词，通过改进的TF-IDF算法对文档进行排序；然后通过共指消解、篇章权重计算、开放域抽取等一系列的方法从多篇文章中抽取出大量具有事实表达能力的三元组实例。为去除开放域方法本身的噪声以及提升信息抽取的准确率，提出一种事实过滤算法。通过该算法可有效提取置信度高且具有良好语义兼容性的显著事实知识集合，并构成多个概念子图。最后，将不同子图中等价的概念以及关系进行合并，形成一张具有主题表达能力的连通概念图。通过在Signal Media新闻数据集上进行验证，实验结果表明，所提出的模型能够跨文档挖掘并有效组织与特定主题相关的关键信息，形成的概念图在主题概念覆盖率、事实知识的兼容性等指标上均取得了较好的效果。除此之外，该模型对于自动文档摘要的应用也具有重要的参考价值。

 点击量 1369  下载量 749  评论