基于句法依赖增强的主题-问题实例识别方法研究

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.

关键词：问题识别、句法依赖、Transformer图神经网络

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：13-22