在显式语义分析中引入维基百科文章间的相互关联

显式语义分析（ESA）是一种将一段文本表示为概念空间（如维基百科中的文章）中向量的技术。我们提出一种方法，利用称为Retrofitting的技术，将维基百科文章间相互关联的知识纳入ESA获得的向量，以改进后续使用ESA形成向量嵌入的任务性能。特别地，我们用无向图表示此知识，节点为文章，边为两文章间的相互关系。此处，我们还强调ESA步骤可视为主要自底向上的方法，使用语料库得出向量表示，而纳入自顶向下的知识即文章间关系以进一步改进它。我们在维基百科语料的若干较小子集上检验我们的假设，并展示在大多数情况下我们提出的方法在包括Spearman秩相关系数在内的性能指标上带来可观提升。