专栏名称: PaperWeekly
PaperWeekly是一个分享知识和交流学问的学术组织,关注的领域是自然语言处理的各个方向。我们热爱知识,分享知识,希望通过我们大家的努力为自然语言处理的发展做出一点点贡献。我们每周会分享一期特定话题的论文笔记和本周值得读的相关论文。
今天看啥  ›  专栏  ›  PaperWeekly

如何使用知识图谱增强信息检索模型?

PaperWeekly  · 公众号  · 科研  · 2020-02-26 16:21
©PaperWeekly 原创 · 作者|刘布楼学校|清华大学博士生研究方向|表示学习传统的信息检索模型中,文本通常使用词袋模型表示。该方法有两个较为明显的缺陷:1)只能通过 TF-IDF 等相关信号判断查询-文本相关性;2)模型没有深入理解查询和文本的语义信息,而是更多地依赖于特征工程的方法。 近年来流行的方法主要可以分为两大类:1)通过知识图谱引入背景信息和先验知识;2)通过深度学习技术从大规模的数据中学到信息的隐性表示。 本文主要针对第一种思路进行探讨:通过引入知识图谱中的实体以及实体的描述信息丰富语义,从而优化信息检索模型。知识图谱中的实体可以是一些概念、人名地名等等,这些实体排除介词的干扰,赋予查询和文本更简洁的表 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照