谁该先来？一种用于改进分类体系扩展的自监督概念排序模型
计算与语言
2021-04-13 v2
摘要
分类体系已广泛应用于各种机器学习和文本挖掘系统，以组织知识并促进下游任务。一个关键挑战在于，随着实际应用中数据和业务范围的增长，现有分类体系需要扩展以纳入新概念。先前关于分类体系扩展的工作独立且同时处理新概念，忽略了它们之间的潜在关系以及插入操作的适当顺序。然而在现实中，新概念往往相互关联并形成局部的上下位结构。在此情形下，忽略新概念的依赖关系和插入顺序可能引发错误传播。例如，现有分类体系扩展系统可能在其上位词之前将下位词插入现有分类体系，导致次优的扩展分类体系。为补充现有分类体系扩展系统，我们提出TaxoOrder，一种新颖的自监督框架，可同时发现新概念间的局部上下位结构并决定插入顺序。TaxoOrder可直接插入任何分类体系扩展系统并提升扩展分类体系的质量。在真实世界数据集上的实验验证了TaxoOrder增强分类体系扩展系统的有效性，在各种评估指标下与基线相比均得到更优的扩展分类体系。
引用
@article{arxiv.2104.03682,
title = {Who Should Go First? A Self-Supervised Concept Sorting Model for Improving Taxonomy Expansion},
author = {Xiangchen Song and Jiaming Shen and Jieyu Zhang and Jiawei Han},
journal= {arXiv preprint arXiv:2104.03682},
year = {2021}
}