基于图卷积网络的文本观点检索方法

文本观点检索旨在从特定文档集中检索出与查询相关的观点文本,过程中涉及查询-文本相关性及文本观点特征的提取.现有模型在文档倾向性特征提取时,主要采用传统的机器学习方法进行观点特征挖掘,该方法忽视了文本中词语节点间关系对判断观点倾向的影响,导致了模型在文本语义层面的泛化能力受限,进而影响了观点检索的性能.提出一种基于图卷积网络的观点检索方法,旨在将文档中的词语映射到高维语义空间中,自适应地学习文档词语节点间的连接关系,以获取更准确的文档语义信息表述,应用于模型之中.实验表明,与当前最优的模型相比,改进后的模型在两个Twitter数据集上,检索主指标分别提升1.2%和0.8%,验证了本文所提方法的有效性.

基于交互注意力机制的观点检索方法

观点检索旨在从社交媒体文档集中找出与主题相关的观点文档,过程中包含了对主题—文档相关性特征及文档观点特征的提取.现有模型在相关性特征提取时,集中于语义概念扩展层面的研究,忽视了词语的权重问题,导致模型在语义层面的泛化能力受限,进而影响了观点检索结果的准确性.因此,该文在现有模型的基础上使用交互注意力机制提取文本中词语权重,计算出更为准确的相关性特征,将其应用于统一检索模型,实现观点检索.实验表明:与当前最好的模型相比,改进后的统一检索模型在两个Twitter公开数据集上,MAP主指标分别提升了1.5%和1.1%,很好验证了该文所提方法的有效性.

融合文本概念化与网络表示的观点检索

观点检索是自然语言处理领域中的一个热点研究课题.现有的观点检索模型在检索过程中往往无法根据上下文将词汇进行知识、概念层面的抽象,在语义层面忽略词汇之间的语义联系,观点层面缺乏观点泛化能力.因此,提出一种融合文本概念化与网络表示的观点检索方法.该方法首先利用知识图谱分别将用户查询和文本概念化到正确的概念空间,并利用网络表示将知识图谱中的词汇节点表示成低维向量,然后根据词向量推出查询和文本的向量,并用余弦公式计算用户查询与文本的相关度,接着引入基于统计机器学习的分类方法挖掘文本的观点.最后,利用概念空间、网络表示空间以及观点分析结果构建特征,并服务于观点检索模型.相关实验结果表明,所提出的检索模型可以有效提高多种检索模型的观点检索性能.其中,基于统一相关模型的观点检索方法在两个实验数据集上相比于基准方法,在MAP评价指标上分别提升了6.1%和9.3%,基于排序学习的观点检索方法在两个实验数据集上相比于基准方法,在MAP评价指标上分别提升了2.3%和14.6%.

从小数据到大数据——观点检索面临的三个挑战

随着大数据时代的到来,与同一产品或者话题相关的网络评论在不同领域、语言等方面所呈现的前所未有的分散性和多样性给观点检索带来了巨大挑战。大数据环境下的观点检索不再等同于基于大规模数据的观点检索,而是涉及如何解决规模跨度、领域跨度、语言跨度等众多问题。文章从潜在语义索引、佩奇排名、映射/规约以及SQL-onHadoop等方面对解决规模跨度问题进行了探索;从共同特征选择、目标领域文档选择、查询词扩充、迁移学习等方面对解决领域跨度问题进行了分析;从多语词典构建、语料库对齐、用户反馈和用户行为、领域知识对齐等方面对解决语言跨度问题进行了研究。致力于解决大数据环境下的观点检索的可用性问题,丰富这一领域的研究内涵,促进观点检索方法的研究与应用。

一种基于改进的博客观点检索算法研究

近年来博客逐渐成为一种新的主流媒体及网络形式,已成为人们获取信息的重要渠道。通过分析博客的相关功能,提出一种基于博客的观点检索方法,并且设计了一种基于负规则的极性检测算法,以提高极性检测部分的性能。通过相关实验数据验证,结果证明了提出的方法的有效性,该改进算法能够显著提高系统的MAP值。

基于知识图谱的文本观点检索方法

文本观点检索旨在检索出与查询主题相关并且表达用户对主题观点的文档。由于用户查询时输入通常很短,难以准确表示查询的信息需求。知识图谱是结构化的语义知识库,通过知识图谱中的知识有助于理解用户的信息需求。因此,提出了一种基于知识图谱的文本观点检索方法。首先由知识图谱获取候选查询扩展词,并计算每个候选词扩展词分布、共现频率、邻近关系、文档集频率,然后利用4类特征通过SVM分类得到扩展词,最后利用扩展词对产生式观点检索模型进行扩展,实现对查询的观点检索。实验表明,在微博和推特两个数据集上,与基准工作对比,所提出的方法在MAP、NDCG等评价指标上均有显著的提升。

面向中文文本的观点检索技术研究

针对观点检索问题,把主题检索和情感分析相结合,通过构造情感词典、程度词典等,利用SVM对文本进行主客观分类,构造正则表达式进行中文句式识别,提出了计算文本褒贬倾向的方法,结合主题相关性和情感强度计算置信度.在COAE2009的任务5-观点检索的评测中,取得了较好的结果.

基于关联度模型的文本倾向性检索研究

该文在研究了信息检索理论与文本倾向性分析技术等的基础上,结合国内外关于观点检索的相关研究,提出了基于关联度的文本观点检索算法。它综合考虑了主题检索过程中的查询扩展、文本检索相关度、文本倾向性强度和检索主题与文本情感的关联度等对观点检索最后结果的影响。该算法从理论上考虑了观点检索不同因素之间的相互影响问题。通过对COAE2008观点检索子任务的实验数据进行实验,结果表明:该文提出的基于关联度的观点检索算法可以取得较好的效果。

作者勘误

2023年第2期第33页,《基于交互注意力机制的观点检索方法》一文作者单位信息应为“黎明职业大学助教”.特此勘误!