利用人工神经网络确定与科学文本最相关的本体
神经与进化计算
2023-09-19 v1
摘要
本文探讨了如何利用人工神经网络寻找与科学文本最相关本体的可能性。所提出方法的基本思想是从源文本文件中选取一个代表性段落，通过预训练微调的 transformer 将其嵌入向量空间，并根据其相对于目标本体的相关性对嵌入向量进行分类。我们考虑了不同的分类器来对 transformer 的输出进行分类，具体包括随机森林、支持向量机、多层感知机、k 近邻以及高斯过程分类器。它们的适用性在一个涉及催化研究本体与科学文本的用例中进行了评估。从结果可以看出，随机森林的结果最差。在此任务中支持向量机分类器带来了最好的结果。
引用
@article{arxiv.2309.09203,
title = {Using Artificial Neural Networks to Determine Ontologies Most Relevant to Scientific Texts},
author = {Lukáš Korel and Alexander S. Behr and Norbert Kockmann and Martin Holeňa},
journal= {arXiv preprint arXiv:2309.09203},
year = {2023}
}