KDDOct, 2020

CoRel: 通过概念学习和关系转移进行种子引导的主题分类构建

PDF
TL;DR本文提出了一种基于语义的标签分类方法 CoRel， 该方法针对用户需求构建特定领域的语义完整分类体系，以及实现将概念与文本共同嵌入以丰富每个概念节点的语义。作者在实际数据集上进行了实验，验证了该模型的有效性和性能表现。
发现论文，激发创造
  • TaxoGen: 自适应术语嵌入与聚类的无监督主题分类构建

    本文提出了一种采用嵌入术和层次聚类方法的主题分类法 TaxoGen，通过每个节点表示概念主题，定义为语义一致概念项的聚类，以构建主题分类法，并对两个真实数据进行了实验，证明了其与基线方法的有效性。

    Dec, 2018

  • 通过融合关系表示增强概念生成以完成分类法

    GenTaxo 通过识别需要新概念的现有分类系统中的位置，然后生成适当的概念名称，从而提高了分类完整性。

    Jun, 2021

  • HiExpan: 基于层次树扩展的任务导向分类构建

    本文提出了一种自动构建以任务为导向的分类体系的方法，名为 HiExpan，该方法通过从语料库中自动生成关键术语列表并逐步扩大种子分类体系来构建分类体系，并结合弱监督关系抽取模块来调整分类树的全局结构，实验证明该方法在不同领域的构建任务中具有良好的效果。

    Oct, 2019

  • 面向实体集扩展和分类扩展的统一分类指导指令调整框架

    通过利用现有的分类法作为实体关系的丰富来源，运用指导调优来微调大规模语言模型以生成父节点和同级实体，本文提出了统一的分类法指导的指令调优框架，有效地解决了实体集扩展、分类法扩展和种子引导分类法构建这三个任务，并且在多个基准数据集上的广泛实验证明了 TaxoInstruct 的有效性，其在这三个任务上优于特定任务的基线方法。

    Feb, 2024

  • 从多模态数据中学习概念分类法

    本文提出了一种基于文本和图像的概率模型，通过端到端特征设计实现自动构建上位词分类法。通过小型本体数据的判别训练，该模型可以从头开始为具有关联图像的未知概念标签构建完整的分类法。在 WordNet 层次结构的评估中，本系统的表现优于以往方法。

    Jun, 2016

  • 用户行为监督下的产品分类扩展：从所做的事情中学到所需的知识

    本文提出了一种自我监督和用户行为导向的产品分类法拓展框架，通过从现有的分类法和用户点击日志中抽取用户感兴趣的候选下义词关系并利用预训练语言模型和图神经网络结合对比学习来建模概念和关系，以自动将新概念附加到现有分类法，从而减少手动更新的人力成本。

    Mar, 2022

  • 用于改善基于分类体系的搜索引擎意图估计的语义语料库自动生成

    本文介绍了语义扩展检索系统中影响最大的语义关联作用，并提出在准确性和噪音引入之间寻找最佳平衡的方案，最后通过构建自然语言处理系统并利用系统的多种知识资源进行评估。

    Mar, 2022

  • TaxoExpan: 利用位置增强的图神经网络进行自监督分类扩展

    本文提出了一种名为 TaxoExpan 的自我监督框架，使用一组 <查询概念，锚定概念> 对从现有分类法中自动生成的训练数据。通过使用这种自我监督数据，TaxoExpan 学习模拟预测查询概念是否为锚定概念的直接下位词的模型，并提出了两个创新技术：（1）增强位置的图神经网络，用于编码现有分类法中锚定概念的局部结构；（2）噪声鲁棒训练目标，使学习模型不受自我监督数据标注噪声的影响。实验结果表明，TaxoExpan 对于分类法扩展具有高效性和有效性。

    Jan, 2020

  • 基于语料库主题分类的专题应用检索改进

    使用语料库主题分类系统的插入式框架 ToTER，通过指导查询和文档的核心主题并利用它们的主题相关性来补充缺失的上下文，提高主题特定应用中文档检索的效果。

    Mar, 2024

  • 通过结构 - 语义表示实现自监督的分类补全

    本研究提出了一种名为 TaxoEnrich 的新的分类完成框架，它有效地利用现有分类体系中的语义特征和结构信息，并提供更好的候选位置表示以提高分类完成性能。实验结果表明，在四个来自不同领域的大型真实数据集上，TaxoEnrich 在所有评估指标上均实现了最佳性能，并且在很大程度上优于先前的最新方法。

    Feb, 2022