文献

J-GLOBAL ID：201702280595699769   整理番号：17A1855826

潜在的意味論とグラフ構造に基づくマイクロ波意味検索【JST・京大機械翻訳】

Microblog Semantic Retrieval Based on Latent Semantic and Graph Structure

著者 (4件)： Xiao Bao (欽州学院電子与信息工程学院,广西欽州,535000) ,  Li Pu (華南師范大学計算机学院,广州510631;鄭州軽工業学院軟件学院,鄭州450000) ,  Hu Jiaojiao (華南師范大学計算机学院,广州,510631) ,  Jiang Yuncheng (華南師范大学計算机学院,广州,510631)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 43  号： 6  ページ： 182-188,194  発行年： 2017年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  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： 短いテキスト,短い特徴,および利用者の質問との間の意味的ギャップの特性は,意味検索の効率を減少させることができる。この問題に対して、テキスト特徴と知識ベースの意味を結合し、潜在的な意味とグラフ構造に基づく意味検索モデルを構築した。Tashskyアルゴリズムを用いて,Hashtagに基づく特性相関を計算した。Wikipediaコーパスの訓練主題モデルは,JSD距離計算に基づき,このモデルのテキスト主題の相関度を計算するために使用される,そして,それは隠れているディレクティブ分布アルゴリズムを用いている。DBpediaにおける実体とそのネットワーク関係の連結グラフを抽出し、SimRankアルゴリズムを用いて図中の実体間の相関度を計算した。最後に,上記の3つの結果を統合して,最終的な相関を得ることができた。短いテキストと長いテキスト検索を通して,Twitterのサブセットを実験結果によって評価して,結果は,このモデルが,MAP,P@30,R-Precに関して,それぞれ,2.98%,6.40%,5.16%を改良することを示した。それは,より良い検索性能を持った。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  検索効率 ,  モデル ,  マイクロ波 ,  部分集合 ,  *意味論 ,  知識ベース ,  コーパス ,  ネットワーク
準シソーラス用語： 連結グラフ ,  距離計算 ,  ウィキペディア ,  テキスト ,  *意味検索 ,  *グラフ構造 , 【Automatic Indexing@JST】

著者キーワード (5件)： microblog ,  text relatedness ,  graph structure ,  Latent Dirichlet Allocation (LDA) ,  semantic retrieval

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 意味論 ,  グラフ構造 ,  マイクロ波 ,  意味検索