CoRel：基于概念学习与关系迁移的种子引导式主题分类体系构建

分类体系不仅是知识表示的基本形式，也对问答、网页搜索等大量知识密集型应用至关重要。现有多数分类体系构建方法抽取“上位词—下位词”实体对以组织“通用”分类体系。然而，这些通用分类体系无法满足用户在特定领域与关系上的兴趣。此外，实例分类体系的本质将每个节点视为单个词，语义覆盖度低。本文提出一种种子引导式主题分类体系构建方法，以语料库及由概念名描述的种子分类体系为输入，基于用户兴趣构建更完整的分类体系，其中每个节点由一组连贯术语簇表示。我们的框架 CoRel 包含两个模块以实现该目标：关系迁移模块学习并将用户感兴趣的关系沿多条路径迁移，从宽度与深度上扩展种子分类体系结构；概念学习模块通过联合嵌入分类体系与文本来丰富各概念节点的语义。在真实数据集上的综合实验表明，CoRel 生成高质量主题分类体系，并显著优于所有基线方法。