KE-QI：一个知识增强的文章质量识别数据集
计算与语言
2022-08-25 v3
摘要
随着每时每刻都有大量质量参差不齐的文章产生，筛选出优秀文章并推送到社交媒体是一项十分紧迫的任务。据我们所知，目前在高质量文章识别方面缺乏数据集和成熟的研究工作。为此，我们进行了一些调研，最终确定了7个客观指标来对1万篇文章的质量进行标注。在标注过程中，我们发现高质量文章的许多特征（如背景）更多依赖于广泛的外部知识而非文章内部语义信息。为此，我们将抽取的文章实体链接到百度百科，进而提出了知识增强的文章质量识别（KE-QI）数据集。为了更好地利用外部知识，我们提出了一种复合模型，通过门控单元融合文本与外部知识信息来对文章质量进行分类。在KE-QI上的实验结果表明，以我们预训练的Node2Vec模型初始化，我们的模型取得了约78%的，优于其他基线方法。
引用
@article{arxiv.2206.07556,
title = {KE-QI: A Knowledge Enhanced Article Quality Identification Dataset},
author = {Chunhui Ai and Derui Wang and Xu Yan and Yang Xu and Wenrui Xie and Ziqiang Cao},
journal= {arXiv preprint arXiv:2206.07556},
year = {2022}
}