文献

J-GLOBAL ID：201702263894099306   整理番号：17A0198817

疎地理的実体関係のキーワード抽出手法【JST・京大機械翻訳】

A Method of Context Enhanced Keyword Extraction for Sparse Geo-entity Relation

著者 (5件)： Yu Li (State Key Lab of Resources and Environmental Information System, Insititute of Geographic Scienes and Natural Resoure Reseorch, Chinese Academy of Scienes) ,  Lu Feng (State Key Lab of Resources and Environmental Information System, Insititute of Geographic Scienes and Natural Resoure Reseorch, Chinese Academy of Scienes) ,  Liu Xiliang (State Key Lab of Resources and Environmental Information System, Insititute of Geographic Scienes and Natural Resoure Reseorch, Chinese Academy of Scienes) ,  Cheng Shifen (State Key Lab of Resources and Environmental Information System, Insititute of Geographic Scienes and Natural Resoure Reseorch, Chinese Academy of Scienes) ,  Zhang Xueying (Key Laboratory of Virtual Geography Environment, Nanjing Normal University)
資料名： Diqiu Xinxi Kexue Xuebao  (Diqiu Xinxi Kexue Xuebao)
巻： 18  号： 11  ページ： 1465-1475  発行年： 2016年 
JST資料番号： C2670A  ISSN： 1560-8999  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ネットワークテキストには地理的実体関係抽出技術が含まれており,高時効,ロバストのキーワード抽出手法が必要である。教師付き学習方法と比較して,教師なし学習方法は,テキストの動的変化特性を捕捉し,新しい関係タイプを発見することができるため,注目されている。その中で,周波数に基づくキーワード抽出方法は広く研究されているが,ネットワークテキストに含まれる地理的実体関係はスパースであり,周波数に基づく方法は地理的実体関係のキーワード抽出に直接適用することは困難である。この問題を解決するために,本論文では,アクセスに基づくネットワーク資源に基づくコンテキスト強化のためのキーワード抽出法を提案する。まず,オンラインWIKIPEDIAと開放されたシソーラスに基づき,コンテキスト統合と意味融合によって強化されたコンテキストを作成し,コンテキストにおける語のスパース性を低減する.次に,DOMAIN FREQUENCYとENTROPY周波数統計手法は,強化文脈から大規模コーパスを自動構築する.そして,このコーパスに基づいて形態素の特徴を選択し,その重みを集計し,文脈中の語間の差異を拡大するために用いる.最後に,選択した形態素特徴を用いて文脈中の語の重要性を強化し,重みの最大の語を地理的実体関係を記述するキーワードとして,大規模な実ネットワークのテキストに基づく実験を行った.実験結果は以下を示す。地理的実体関係のキーワード認識に対して、本論文の方法の平均精度は85.5%であり、DOMAIN FREQUENCYとENTROPY方法よりそれぞれ41%と36%向上した。新しいキーワード認識に対しては,本手法の精度は60.3%に達した.文脈強調のキーワード抽出法は,地理的実体関係のスパース性を効果的に処理することができ,それは,地理的実体関係を抽出するために,ネットワークのテキストにおいて使用することができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 形態素 ,  ロバスト性 ,  *キーワード ,  教師つき学習 ,  周波数 ,  ネットワーク ,  シソーラス ,  教師なし学習 ,  コーパス ,  透視図法 ,  *地理学
準シソーラス用語： スパース性 ,  オンライン ,  テキスト ,  *キーワード抽出 , 【Automatic Indexing@JST】

著者キーワード (5件)： geographical information retrieval ,  geo-entity relation ,  keyword extraction ,  text mining ,  context enhancement

分類 (3件)： 自然語処理  (JE06000L) ,  制御工学一般  (IC01000V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 地理 ,  キーワード抽出 ,  手法