基于概念链和图注意力网络的下位词扩展

作     者：王煜栋 白宇 叶娜 陈建军 

作者机构：沈阳北软信息职业技术学院 沈阳航空航天大学计算机学院 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2024年

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：沈阳市科技项目基金项目(项目编号:20-202-1-28) 

主　　题：下位词扩展 概念链 图注意力网络 主题漂移 

摘      要：[目的]为了解决交互式检索场景中下位词扩展存在的主题漂移问题。 [方法]利用图注意力网络编码概念链与文本关系图节点，其中，概念链通过词交互过程建模得到，关系图由字共现关系获得。通过引入注意力机制，克服传统文本编码过程中丢失查询场景信息的问题。 [结果]在下位词扩展数据集上的实验结果表明，该方法综合表现比已有方法的F1值提升2.0%。 [局限] 本文方法针对交互式场景进行设计，对交互数据的质量存在一定的依赖性。 [结论]本文提出的模型将概念链的结构特征和语义特征有效融合到文本特征中，同时对概念链和候选文本进行注意力计算，减少了在编码过程中造成的场景主题信息损失，缓解了主题漂移问题。