基于三元组匹配网络的分类体系补全

自动构建分类体系在电子商务与网页搜索中有诸多应用。一个关键挑战在于,随着实际应用中数据与业务范围的扩张,新概念不断涌现并需被加入已有分类体系。已有方法聚焦于分类体系扩展,即为新查询概念从体系中寻找合适的上位概念。本文提出一项新任务“分类体系补全”,通过同时发现查询概念的上位与下位概念。我们提出三元组匹配网络(TMN),为给定查询概念寻找合适的<上位, 下位>对。TMN 由一个主打分器与多个辅助打分器组成。这些辅助打分器捕捉各类细粒度信号(如查询到上位或查询到下位的语义),而主打分器基于所有辅助打分器的内部特征表示对<查询, 上位, 下位>三元组做出整体预测。此外,引入一种创新的通道级门控机制,在概念表示中保留任务特定信息,以进一步提升模型性能。在四个真实大规模数据集上的实验表明,TMN 在分类体系补全任务及此前的分类体系扩展任务上均取得最优性能,优于现有方法。