基于语义特征扩展的知识库增量引文推荐算法 - 山东大学学报（理学版）.pdf

　第５１卷　第１１期 山　东　大　学　学　报　（理　学　版） ２０１６年１１月　 　　　　　 　Ｖｏｌ．５１　 Ｎｏ．１１　　　　　ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ） Ｎｏｖ．２０１６　 　文章编号：１６７１９３５２（２０１６）１１００２６０７　　　ＤＯＩ：１０６０４０／ｊ．ｉｓｓｎ．１６７１９３５２．１．２０１５Ｅ１４ 基于语义特征扩展的知识库增量 引文推荐算法 徐也，徐蔚然 （北京邮电大学信息与通信工程学院，北京 １００８７６） 摘要：将知识库增量引文推荐（ｃｕｍｕｌａｔｉｖｅｃｉｔａｔｉｏｎｒｅｃｏｍｍｅｎｄａｔｉｏｎ，ＣＣＲ）任务分解为３个基本的关键问题：针对知 识库某一实体名的查询扩展；针对文档和实体的特征提取；基于线性和非线性相结合的分类模型。提出了基于语 义词典（ＤＢｐｅｄｉａ）与词向量（ｗｏｒｄｅｍｂｅｄｄｉｎｇ）相结合的方法进行查询扩展，以及利用ＬＤＡ和ＥＳＡ两种算法对文 档进行特征提取，最终通过线性逻辑回归与非线性随机森林相融合的分类算法实现ＣＣＲ算法。与基线系统相比， 该方法在ＴＲＥＣＫＢＡ２０１４评测数据上的试验结果的Ｆ平均提升了１４．７％，表明本文设计的方法能够较好地解决 １ 引文推荐问题。 关键词：知识库；查询扩展；特征提取；分类 中图分类号：ＴＰ３９１　　　文献标志码：Ａ 引用格式：徐也，徐蔚然．基于语义特征扩展的知识库增量引文推荐算法［Ｊ］．山东大学学报（理学版），２０１６，５１（１１）：２６３２． Ａｌｇｏｒｉｔｈｍｏｆｋｎｏｗｌｅｄｇｅｂａｓｅｃｕｍｕｌａｔｉｖｅｃｉｔａｔｉｏｎｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｂａｓｅｄｏｎｓｅｍａｎｔｉｃｆｅａｔｕｒｅｓｅｘｐａｎｓｉｏｎ ＸＵＹｅ，ＸＵＷｅｉｒａｎ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ， Ｂｅｉｊｉｎｇ１００８７６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｔａｓｋｏｆｋｎｏｗｌｅｄｇｅｂａｓｅｃｕｍｕｌａｔｉｖｅｃｉｔａｔｉｏｎｒｅｃｏｍｍｅｎｄａｔｉｏｎｗａｓｍａｉｎｌｙｄｅｃｏｍｐｏｓｅｄｉｎｔｏｔｈｒｅｅｂａｓｉｃｋｅｙ ｐｒｏｂｌｅｍｓ：ｑｕｅｒｙｅｘｐａｎｓｉｏｎｂａｓｅｄｏｎａｎｅｎｔｉｔｙｎａｍｅｉｎｋｎｏｗｌｅｄｇｅｂａｓｅ，ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｆｏｒｄｏｃｕｍｅｎｔｓａｎｄｅｎｔｉｔｉｅｓ． Ｗｅｐｒｏｐｏｓｅｄａｍｅｔｈｏｄｔｈａｔｕｓｉｎｇｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｔｈｅｓｅｍａｎｔｉｃｄｉｃｔｉｏｎａｒｙ（ＤＢｐｅｄｉａ）ａｎｄｔｈｅｗｏｒｄｖｅｃｔｏｒ（ｗｏｒｄｅｍ ｂｅｄｄｉｎｇ）ｆｏｒｑｕｅｒｙｅｘｐａｎｓｉｏｎ，ａｎｄｕｓｉｎｇＬＤＡａｎｄＥＳＡａｌｇｏｒｉｔｈｍｓｆｏｒｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ．Ｆｉｎａｌｌｙｃｌａｓｓｉｆｙｄｏｃｕｍｅｎｔｓ ｂａｓｅｄｏｎｌｉｎｅａｒＬｏｇｉｓｔｉｃＲｅｇｒｅｓｉｏｎｃｏｍｂｉｎｅｄｗｉｔｈｕｎｌｉｎｅａｒｒａｎｄｏｍｆｏｒｅｓｔ．ＴｈｅＦ ｖａｌｕｅｏｆｔｈｉｓｓｙｓｔｅｍｏｐｅｒａｔｅｄｏｎ １ ＴＲＥＣＫＢＡ２０１４ｐｒｏｍｏｔｅｄ１４．７％ ｃｏｍｐａｒｅｄｔｏｔｈｅｂａｓｅｌｉｎｅ，ｗｈｉｃｈｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅｍｅｔｈ