融合多层次交互注意力的引文推荐算法
2023-12-13樊加倍钱宇华彭甫镕
小型微型计算机系统 2023年12期
樊加倍,钱宇华,彭甫镕
1(山西大学 大数据科学与产业研究院,太原 030006) 2(山西大学 计算机与信息技术学院,太原 030006) 3(山西大学 计算智能与中文信息处理教育部重点实验室,太原 030006)
1 引 言
随着科学技术的发展,学术文献发表数量以每年8%~9%的速度快速增长[1],学者需要花费大量的时间从海量学术资源中获取需要的资源.当前,获取学术文献的主要方法是从中国知网、谷歌学术、微软学术等学术检索系统做关键词文本匹配查询.这类系统通过对用户输入文本与数据库内的学术资源进行分词、索引、匹配、打分等操作获取相关论文.主要优点是使用方法简单,系统容易被用户理解,但是缺乏对查询文本语义信息的挖掘利用,用户需要手动完成对检索结果语义层面的筛选.近年来,随着深度学习对信息检索等自然语言处理任务产生的巨大影响[2],大量基于深度学习的文本匹配方法[3]试图提高查询内容与目标内容的语义相关性.
现有文本匹配技术多集中于短文本匹配任务,在学术论文标题、关键字等匹配任务中取得较好效果,但是受限于查询文本短,语义化匹配程度低,用户获取检索结果后仍需花费大量时间阅读文献正文进行二次筛选.学术文献属于篇章级长文本,传统短文本匹配模型并不适用于长文本匹配任务:一方面,模型忽略了长文的语义结构,难以充分挖掘学术论文的语义信息;另一方面,基于深度神经网络的模型主要用于……
登录APP查看全文
