基于知识图谱的文本观点检索方法

被引：11

作者：

马飞翔 ^{[1
,2
]}

廖祥文 ^{[1
,2
]}

於志勇 ^{[1
,2
]}

吴运兵 ^{[1
,2
]}

陈国龙 ^{[1
,2
]}

机构：

[1] 福州大学数学与计算机科学学院

[2] 福建省网络计算与智能信息处理重点实验室(福州大学)

来源：

山东大学学报(理学版) | 2016年 / 51卷 / 11期

关键词：

观点检索; 知识图谱; 查询扩展;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

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。

引用

页码：33 / 40

页数：8

共 22 条

[1]

Freebase:a collaboratively created graph database for structuring human knowledge. Bollacker K,Evans C,Paritosh P, et al. Proceedings of the 2008 ACM SIGMOD international conference on Management of data . 2008

[2]

A generation model to unify topic relevance and lexicon-based sentimentfor opinion retrieval. Zhang M,Ye X. Proceedings of the31st annual international ACM SIGIR conference onResearch and development in information retrieval . 2008

[3] 知识图谱构建技术综述 [J].

刘峤 ;

李杨 ;

段宏 ;

刘瑶 ;

秦志光 .

计算机研究与发展, 2016, 53 (03) :582-600

[4]

Proximity-based opinion retrieval. GERANI S,CARMAN M J,CRESTANI F. Proceedings of the 33rd International ACM SIGIR Conference on Research and Development in Information Retrieval(SIGIR 2010) . 2010

[5]

Entity query feature expansion using knowledge base links. DALTON J,DIETZ L,ALLAN J. International ACM Sigir Conference on Research and Development in Information Retrieval . 2014

[6]

Overview of the TREC-2006 blog track. OUNIS I,DE RIJKE M,MACDONALD C,et al. DTIC Document . 2006

[7]

YAGO2: A spatially and temporally enhanced knowledge base from Wikipedia[J] . Johannes Hoffart,Fabian M. Suchanek,Klaus Berberich,Gerhard Weikum. &nbspArtificial Intelligence . 2013

[8]

Opinion retrieval from blogs. ZHANG W,YU C,MENG W. Proceedings of the 16th ACM Conference on Information and Know ledge M anagement . 2007

[9]

http://www.keenage.com/ .

[10]

http://ictclas.nlpir.org/ .

← 1 2 3 →