计算机应用研究

作者：盛泳潘,付雪峰,吴天星,

单位：1.电子科技大学计算机科学与工程学院,成都611731；2.南昌工程学院信息工程学院,南昌330099；3.东南大学计算机科学与工程学院,南京211189；

关键词：开放域抽取,多文档,概念图构建,

基金：国家自然科学基金资助项目(61762063)；江西省自然科学基金资助项目(20171BAB202024)；江西省教育厅科研项目(GJJ170991)；国家建设高水平大学公派研究生项目(201706070049)；；

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信息抽取任务中的一项重要挑战。为此，提出了一种新颖的基于开放域抽取的多文档概念图构建方法。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、三元组实例抽取等一系列步骤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高信息抽取的准确率，提出一种三元组实例过滤算法。通过该算法可有效提取高置信度且具有良好语义兼容性的显著关系实例集合，并构成多个概念子图。最后，将不同子图中的等价概念以及关系进行合并，形成一张具有较好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，所提出的方法能够跨文档组织重要的主题信息，形成的概念图在主题概念覆盖率、关系实例的兼容性等指标上均取得了较好的效果。在实际的应用场景中，概念图作为一种重要的多文档内容表现形式，对于用户进一步探索指定主题的发展脉络以及生成自动文档摘要均具有重要的参考价值。

来源：2020年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第1期