[發明專利]一種面向實體檢索查詢的目標類型標識方法

有效

• 申請號: 201910573649.5
• 申請日: 2019-06-28
• 公開（公告）號: CN110347701B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 姚全珠;閆鐵珊;費蓉;李莎莎;趙佳瑜
• 申請（專利權）人: 西安理工大學
• 主分類號: G06F16/2452
• 分類號: G06F16/2452;G06F16/28;G06F40/216;G06F40/295;G06K9/62
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王蕊轉

1.一種面向實體檢索查詢的目標類型標識方法，其特征在于，具體按照以下步驟實施：

步驟1、構造目標實體類型標識任務訓練集，采用DBpedia本體作為類型分類樹，通過眾包的形式收集查詢集DBpedia-Entity v1中全部查詢的目標類型注釋；

所述步驟1具體按照以下步驟實施：

步驟1.1、由語言模型LM實現的以類型為中心的方法CCM-LM、文檔檢索BM25算法實現的以類型為中心的方法CCM-BM25、語言模型LM實現的以實體為中心的方法ECM-LM、文檔檢索BM25算法實現的以實體為中心的方法ECM-BM25四種基礎檢索方法構造目標實體候選類型集合，每種方法選取類型排名結果中的前10種類型，此外，還包括標準目標實體類型，以確保在收集人工注釋時考慮到所有候選類型；

步驟1.2、對每個查詢的候選類型進行批處理注釋，使集合中的類型均成為目標類型的候選，如果某些查詢的候選類型數量較大，將其分解為多個子任務，對于每個處于分類樹中深度為1的頂級類型，將其所有子類型均放在同一個子任務中；

步驟1.3、對每個查詢進行目標類型注釋，注釋出的類型涵蓋所有相關實體，查詢的所有候選類型都在一個子任務中，候選類型由在步驟1.2中標注的類型組成，根據其層次結構由頂級類型至最具體類型進行排列；

步驟2、對現有自動標識類型方法的語言模型特征、類型標簽特征及類型與查詢相似性度量方法特征進行分析，共提取N個用于類型學習排序LTR方法的特征；

所述步驟2中使用文檔檢索模型BM25和語言模型LM對基于以類型為中心方法CCM和以實體為中心方法ECM進行實現，將以類型為中心方法CCM與以實體為中心方法ECM標識的類型在排序列表中的得分作為類型學習排序LTR方法的語言模型特征，現有自動標識類型方法的語言模型特征如下：

CCM方法根據屬于該類型的所有實體的上下文為每個類型構建生成文檔，這些類型的表示像文檔一樣排列，使用標準檢索方法對類型文檔進行排序，實體的類型中關鍵字頻率計算公式如下：

其中，f(q_t,d))是關鍵字q_t在類型描述文檔d中出現的頻率，w(e,c)表示實體類型關聯權重，w(e,c)表達如下：

對于函數如果實體e屬于類型c，則返回1，否則返回0，將給定查詢q＝(q_t¹,q_t²,...,q_t^|q|)的各個查詢關鍵字的分數的相加作為類型的相關性分數，類型的相關性分數表達如下：

其中，是標準的基于關鍵字的檢索模型，i為查詢關鍵字的位置，為檢索模型中的參數，該模型基于類型中關鍵字頻率f為每個查詢項q_t分配分數，score_CCM(q,c)表示以類型為中心方法的目標類型得分；

ECM方法將屬于給定類型c的實體與查詢q的相關性得分相加總和作為該類型的最終排序得分，計算公式為：

其中，R_k(q)表示與查詢q的相關性Top-K排名的實體集合，score_M(e,q)為基于標準檢索模型方法對實體e的檢索得分，w(e,c)表示實體類型關聯權重，score_ECM(q,c)表示以實體為中心方法的目標類型得分；

步驟3、通過學習1排序方法對步驟2中提取的N個特征組成的訓練數據進行監督學習，得到分類結果；

步驟4、確定查詢測試集，進行目標類型標識，查詢測試集采用從多個與實體相關的基準評估活動中合成的查詢，查詢包含簡短的關鍵字查詢到自然語言查詢，任務描述如下：

輸入：關鍵字查詢q與類型分類樹

輸出：類型排序列表(c₁,c₂,…,c_n)，其中，

評估：對于查詢q每個返回的類型c_i根據其在排序列表中的位置標記一個得分；

步驟5、輸出類型排序結果，實現對實體檢索查詢的目標類型標識。