不同粒度下的话题表示生成方法研究

• 作 者: 王伟玉
• 出 处: 中国科学院大学(中国科学院人工智能学院)
• 发表日期: 2020年01期
• 关键词: 事件 话题 话题表示生成 抽取式 生成式

日前网络信息爆炸式增长,把信息按话题组织的同时,还需要将话题以简洁明了的方式展示给用户,通过有效简洁的文字表征话题(话题表示),以使用户迅速了解话题大意,获取所需信息更高效。基于人工编写的精练话题表示虽然效果好,但耗时费力,目前自动生成的话题表示效果欠佳。事件是细粒度的话题,同样受关注。因此针对事件和话题两种不同粒度研究自动生成堪比人工编写的精练话题表示很有必要。本文研究事件和话题两种粒度的话题表示自动生成,事件和话题由多文档描述,旨在生成形式如热搜词的精练准确、语义明确完整、可读性好的话题表示,其比标题和摘要简洁。本文主要工作如下:(1)事件粒度的话题表示生成方法研究本文利用同一事件有不同的报道描述但它们内容往往高度相似的特点,提出一种抽取式的话题表示生成方法,把事件文档集中的标题作为处理对象,通过提取事件文档标题集中按原序组合的共性信息,并对这些共性信息筛选甚至压缩来生成该事件的话题表示。在真实事件数据上的实验结果表明该方法能较好地生成精练准确、语义明确完整且可读性好的话题表示。(2)话题粒度的话题表示生成方法研究本文针对话题由多个相关事件构成,其内容复杂、涵盖面广、动态变化但围绕核心信息刻画的特征,提出一种生成式的话题表示生成方法,该模型包含事件发现层、事件的话题表示生成层、话题的话题表示生成层3个核心层,能从描述话题的文档集中发现所包含的事件,对发现的事件获得其话题表示,在相关事件的话题表示基础上利用引入注意力机制的seq2seq模型学习特征并挖掘核心信息生成该话题的话题表示。最后通过实验验证了所提方法的有效性。(3)话题表示生成方法实际应用本文将提出的事件粒度的和话题粒度的话题表示生成方法应用到互联网话题分析系统的实际数据中,验证了其实用性,基于上述方法分别设计了针对事件和话题的接口形式的话题表示子系统,便于与实际系统集成。