典型文献
基于句法依赖增强的主题-问题实例识别方法研究
文献摘要：
[目的]从科技文献中发现给定主题在已有研究中存在的缺陷、不足、难点等方面的问题实例.[方法]将主题-问题实例对的抽取任务转化为候选短语分类问题.在问题句的基础上抽取候选短语、构建句法依赖树,采用基于BiGCN和Transformer交互模块的句法依赖增强分类模型判断候选短语是否为给定主题对应的问题实例.[结果]实现了面向主题的问题实例识别,其中句法增强的分类模型在候选短语分类任务中F1值为83.7％,相比基线模型提高了 2.8个百分点.[局限]没有考虑句子间的指代关系,存在问题实例遗漏的可能,从而导致召回率降低.[结论]句法依赖增强模型能够较好地学习句子中主题与问题实例间的对应关系,提高给定主题的问题实例识别准确率.
文献关键词：
问题识别;句法依赖;Transformer图神经网络
中图分类号：
作者姓名：
王露;乐小虬
作者机构：
中国科学院文献情报中心 北京100190;中国科学院大学经济与管理学院图书情报与档案管理系 北京100190
文献出处：
引用格式：
[1]王露;乐小虬-.基于句法依赖增强的主题-问题实例识别方法研究)[J].数据分析与知识发现,2022(12):13-22
A类：
BiGCN
B类：
句法依赖,科技文献,定主题,短语,分类问题,依赖树,Transformer,分类模型,分类任务,比基,基线模型,百分点,句子,指代,遗漏,召回率,增强模型,地学,识别准确率,问题识别,图神经网络
AB值：
0.342306
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
