-
题名基于门控图神经网络的新闻要素信息抽取方法
- 1
-
-
作者
党雪云
王剑
-
机构
昆明理工大学信息工程与自动化学院
云南省人工智能重点实验室
-
出处
《电视技术》
2022年第5期24-29,共6页
-
基金
国家重点研发计划(No.2018YFC0830105,No.2018YFC0830101,No.2018YFC0830100)。
-
文摘
新闻要素信息抽取是指从新闻文本中识别出人名、地名、领域要素等信息,对于快速理解新闻文本有着关键作用。本文以抽取涉案新闻领域的要素信息为例,提出基于门控图神经网络(Gated Graph Neural Network,GGNN)融合案件相关词典的方法,利用图神经网络中结点与边之间的消息传播机制将外部词汇知识融入新闻文本中,挖掘文本潜在的语义特征,提高要素信息抽取性能。首先根据新闻文本特征选择领域相关的词汇构建案件相关词典,其次利用新闻文本和词典构建字粒度的组合图,通过GGNN模型对其进行编码得到字词组合关系的表征,最后利用Bi-LSTM-CRF模型解码得到要素信息序列。在标注的涉案新闻要素信息数据集上的实验结果表明,基于GGNN融入词典信息的要素抽取方法与常用的算法模型相比,F1值有2.12%~5.34%的提高,取得了更稳定的性能。
-
关键词
新闻要素信息抽取
门控图神经网络(GGNN)
字词组合关系图
-
Keywords
news element information extraction
Gated Graph Neural Network(GGNN)
char-word combination graph
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名融合行为交互图的兴趣感知新闻推荐算法
- 2
-
-
作者
袁嘉栋
潘善亮
张元园
袁嘉霁
-
机构
宁波大学信息科学与工程学院
中北大学仪器与电子学院
广州大学网络空间安全学院
-
出处
《高技术通讯》
CAS
2023年第4期379-389,共11页
-
基金
浙江省公益性技术应用研究计划(2017C33001)资助项目。
-
文摘
个性化新闻推荐的关键是候选新闻和用户兴趣的精准匹配,现有基于顺序模型的方法通过建模行为序列的单向交互仅能捕获单一的用户兴趣,而基于图的方法通常忽略了用户行为序列内部的高阶转换关系。针对上述问题,提出了融合行为交互图的兴趣感知新闻推荐模型,以全局和局部的角度建模用户动态兴趣。该模型结合知识图谱和深度预训练网络以多视图学习方式提取新闻深层语义信息,采用融合上下文位置信息的线性自注意力机制捕获局部用户兴趣。此外,将用户行为序列构建为有向交互图,使用门控图神经网络递归地聚合邻域信息捕获序列间的高阶转换关系,从而挖掘全局用户兴趣。在2个公开数据集上的实验结果表明,本文提出的模型在各个指标上均优于基线模型,并且有效提高了新闻推荐效果。
-
关键词
个性化新闻推荐
用户动态兴趣
知识图谱
有向交互图
门控图神经网络
-
Keywords
personalized news recommendation
user dynamic interest
knowledge graph
directed interaction graph
gated graph sequence neural network
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
