AutoSUM：为实体摘要自动化特征提取与多用户偏好模拟
信息检索
2020-05-26 v1 计算与语言
摘要
随着知识图谱的增长，实体描述变得极其冗长。实体摘要任务旨在为实体生成多样、全面且具代表性的摘要，近来受到越来越多的关注。在以往的大多数方法中，特征通常通过手工模板提取。随后进行的特征选择和多用户偏好模拟过度依赖人类专业知识。本文提出了一种名为AutoSUM的新型集成方法，用于自动特征提取和多用户偏好模拟，以克服以往方法的缺点。AutoSUM包含两个模块：提取器和模拟器。提取器模块基于一个结合了词嵌入和图嵌入的组合输入表示的双向长短期记忆网络（BiLSTM）进行自动特征提取。同时，模拟器模块基于一个精心设计的两阶段注意力机制（即实体阶段注意力和用户阶段注意力）自动进行多用户偏好模拟。实验结果表明，AutoSUM在两个广泛使用的数据集（即DBpedia和LinkedMDB）上，在F-measure和MAP指标上均达到了最先进的性能。
引用
@article{arxiv.2005.11888,
title = {AutoSUM: Automating Feature Extraction and Multi-user Preference Simulation for Entity Summarization},
author = {Dongjun Wei and Yaxin Liu and Fuqing Zhu and Liangjun Zang and Wei Zhou and Yijun Lu and Songlin Hu},
journal= {arXiv preprint arXiv:2005.11888},
year = {2020}
}
备注
11 pages, accepted in PAKDD'2020