[發(fā)明專利]一種基于循環(huán)卷積網(wǎng)絡(luò)的觀點(diǎn)檢索系統(tǒng)及其觀點(diǎn)檢索方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911180005.6
• 申請(qǐng)日: 2019-11-27
• 公開(kāi)（公告）號(hào): CN110879834B
• 公開(kāi)（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 廖祥文;張銘洲;陳志豪;蘇錦河;吳運(yùn)兵
• 申請(qǐng)（專利權(quán)）人: 福州大學(xué)
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F40/205;G06F40/242;G06F40/279;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 錢莉;蔡學(xué)俊

本發(fā)明涉及一種基于循環(huán)卷積網(wǎng)絡(luò)的觀點(diǎn)檢索系統(tǒng)及其觀點(diǎn)檢索方法，數(shù)據(jù)預(yù)處理模塊對(duì)文本數(shù)據(jù)進(jìn)行預(yù)處理；查詢語(yǔ)句與文檔相關(guān)性得分計(jì)算模塊將查詢?文檔分別映射到低維的語(yǔ)義空間中獲取詞向量表示，輸入循環(huán)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)文本上下文語(yǔ)義信息，計(jì)算出相關(guān)性得分；待查詢文檔的觀點(diǎn)得分計(jì)算模塊計(jì)算文檔的觀點(diǎn)得分；統(tǒng)一相關(guān)檢索模塊根據(jù)相關(guān)性得分以及文檔觀點(diǎn)得分進(jìn)行計(jì)算，由高到低排序得到查詢的觀點(diǎn)檢索結(jié)果；排序?qū)W習(xí)檢索模塊將相關(guān)性得分作為新的特征加入到常用的特征、文本概念化特征、網(wǎng)絡(luò)表示特征和觀點(diǎn)得分特征中，將這些特征融入到排序?qū)W習(xí)框架中進(jìn)行分類，按照順序輸出文檔。本發(fā)明能夠更好的提高語(yǔ)義泛化程度觀點(diǎn)檢索模型的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及觀點(diǎn)檢索領(lǐng)域，特別是一種基于循環(huán)卷積網(wǎng)絡(luò)的觀點(diǎn)檢索系統(tǒng)及其觀點(diǎn)檢索方法。

背景技術(shù)

觀點(diǎn)檢索旨在從社交媒體等文檔集中找出帶有觀點(diǎn)的相關(guān)文檔。隨著Web2.0的蓬勃發(fā)展，觀點(diǎn)檢索作為自然語(yǔ)言處理和文本挖掘領(lǐng)域的前沿研究課題，在學(xué)術(shù)界和工業(yè)界得到了廣泛的關(guān)注，觀點(diǎn)檢索模型的研究經(jīng)歷了早期的二階段檢索模型，到統(tǒng)一相關(guān)模型，再到基于排序?qū)W習(xí)的檢索模型這三個(gè)階段。下面將對(duì)這三個(gè)階段作簡(jiǎn)要介紹。

二階段檢索模型首先通過(guò)檢索出與給定查詢語(yǔ)句相關(guān)的文檔，接著識(shí)別出這些與給定查詢語(yǔ)句相關(guān)文檔的傾向性，最后綜合相關(guān)性和傾向性對(duì)文檔進(jìn)行排序。該模型結(jié)構(gòu)簡(jiǎn)單，容易理解，但是缺乏理論解釋。該方法第一階段通常采用語(yǔ)言模型、BM25等經(jīng)典檢索模型，而第二階段，即文檔的觀點(diǎn)挖掘，為該方法的研究重點(diǎn)。

統(tǒng)一檢索模型則借助當(dāng)前信息檢索和文本挖掘領(lǐng)域的最新模型，直接挖掘查詢語(yǔ)句的傾向性，對(duì)文檔進(jìn)行排序。該方法相對(duì)于二階段檢索模型，更加容易理解、并且對(duì)于信息需求表達(dá)的更為明確。

排序?qū)W習(xí)模型(Learning to Rank,L2R)，是利用特征提取和機(jī)器學(xué)習(xí)對(duì)推文進(jìn)行傾向性檢索。該方法的研究目前處于起步階段，相比以上兩個(gè)模型，往往能獲得更好的檢索效果，但需要進(jìn)行大量的人工標(biāo)注，因此這一方法的應(yīng)用場(chǎng)景相對(duì)于前兩種方法而言較為有限。

現(xiàn)有的工作大多數(shù)根據(jù)相關(guān)性建模，通常采用詞語(yǔ)匹配的方式，然而查詢語(yǔ)句與文檔之間，僅共享少數(shù)的詞語(yǔ)，所以相關(guān)性得分低。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的是提供一種基于循環(huán)卷積網(wǎng)絡(luò)的觀點(diǎn)檢索系統(tǒng)及其觀點(diǎn)檢索方法，能夠高效地解析查詢和文本的語(yǔ)義聯(lián)系，檢索出與用戶查詢相關(guān)并帶有對(duì)查詢觀點(diǎn)的文檔。

本發(fā)明采用以下方案實(shí)現(xiàn)：一種基于循環(huán)卷積網(wǎng)絡(luò)的觀點(diǎn)檢索系統(tǒng)，包括數(shù)據(jù)預(yù)處理模塊、查詢語(yǔ)句與文檔相關(guān)性得分計(jì)算模塊、待查詢文檔的觀點(diǎn)得分計(jì)算模塊、統(tǒng)一相關(guān)檢索模塊和排序?qū)W習(xí)檢索模塊；

所述數(shù)據(jù)預(yù)處理模塊用以對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；所述查詢語(yǔ)句與文檔相關(guān)性得分計(jì)算模塊用以通過(guò)循環(huán)卷積網(wǎng)絡(luò)得到各種長(zhǎng)度下的N-gram表示，將結(jié)果輸入核池層并使用排序?qū)W習(xí)方法，獲得查詢語(yǔ)句與文檔的相關(guān)性；所述待查詢文檔的觀點(diǎn)得分計(jì)算模塊用以計(jì)算文檔的觀點(diǎn)得分；所述統(tǒng)一相關(guān)檢索模塊用以根據(jù)查詢語(yǔ)句與文檔相關(guān)性得分和文檔觀點(diǎn)得分得到一個(gè)文檔的綜合得分，文檔綜合得分從高到低排序，得到查詢的觀點(diǎn)檢索結(jié)果并輸出；所述排序?qū)W習(xí)檢索模塊用以將基于循環(huán)卷積網(wǎng)絡(luò)計(jì)算出來(lái)的相關(guān)性得分作為新的特征加入到基于排序?qū)W習(xí)的推特信息常用的特征，以及在排序?qū)W習(xí)模型中性能最好的文本概念化特征、網(wǎng)絡(luò)表示特征和觀點(diǎn)得分特征中，并將這些特征融入到排序?qū)W習(xí)框架中進(jìn)行分類，并按照順序輸出文檔。

進(jìn)一步地，所述推特信息常用的特征包括否有提及他人@、是否有超鏈接、作者的寫作長(zhǎng)度和發(fā)表篇數(shù)。

進(jìn)一步地，本發(fā)明提供一種基于循環(huán)卷積網(wǎng)絡(luò)的觀點(diǎn)檢索系統(tǒng)的觀點(diǎn)檢索方法，包括以下步驟：

步驟S1：所述數(shù)據(jù)預(yù)處理模塊對(duì)數(shù)據(jù)進(jìn)行預(yù)處理包括分詞、去除停用詞的操作；將查詢語(yǔ)句與待查詢的文檔分別映射到低維的語(yǔ)義空間中獲取詞向量；