基于知识图谱的教育领域舆情文本语义过滤模型

韩宜书; 孙利娟; 吴京宸; 吴旭; 高宇童

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
同行评议
相关论文
评论

基于知识图谱的教育领域舆情文本语义过滤模型

首发时间：2023-03-13

韩宜书 ¹
韩宜书（1997-），女，硕士研究生，主要研究方向：自然语言处理
孙利娟 ² 吴京宸 ¹ 吴旭 ³
吴旭（1963-），女，研究员，硕导，主要研究方向：网络内容治理，大数据智能处理关键技术，安全情报技术
高宇童 ¹

1、可信分布式计算与服务教育部重点实验室，北京 100876
2、北京邮电大学网络空间安全学院，北京 100876
3、北京邮电大学经济管理学院，北京 100876

摘要：为满足实际舆情研究工作中以某主题为核心过滤所有语义相关的舆情文本的任务需要，解决长短文本间语义过滤不敏感的问题。本文实际并构建了一个基于知识图谱的教育领域舆情文本语义过滤模型。本文通过教育领域知识图谱对查询主题和候选文档分别进行实体链接，并通过知识图谱的嵌入表示方法将其分别表示为实体向量集合，最后通过晚交互的神经网络计算两者的相似度，依据相似度对候选文本排序完成过滤任务。本文在自主构建的教育领域舆情知识图谱和语义过滤任务数据集上进行了系统地实验，实验证明本模型的平均倒数排名（MRR）到达9.35，比原生ColBERT模型提高0.32，排名前十的文档平均召回率达到82.2%，较基线模型提高2.9%。本文模型能够克服实际任务中长短文本的差异，充分利用知识图谱的语义信息，在教育领域舆情文本语义过滤任务中具备可行性和准确性，能够满足现实工作的需求。

关键词：计算机科学与技术知识图谱语义过滤实体链接 BERT

For information in English, please click here

Semantic filtering model of public opinion text in education field based on knowledge Graph

Han Yishu ^{1
2}
韩宜书（1997-），女，硕士研究生，主要研究方向：自然语言处理
Sun Lijuan ^{3
4} Wu Jingchen ^{1
5} Wu Xu ^{1
2
6}
吴旭（1963-），女，研究员，硕导，主要研究方向：网络内容治理，大数据智能处理关键技术，安全情报技术
Gao Yutong ⁷

1、Key Laboratory of Trustworthy Distributed Computing and Service, Beijing 100876
2、Beijing University of Posts and Telecommunications,School of Cyberspace Security, Beijing 100876
3、 Key Laboratory of Trustworthy Distributed Computing and Service, Beijing 100876
4、 Beijing University of Posts and Telecommunications,School of Economics and Management,Beijing 100876
5、Beijing University of Posts and Telecommunications,School of Computer Science(National Pilot Software Engineering School), Beijing 100876
6、Beijing University of Posts and Telecommunications Library, Beijing 100876
7、Beijing Jiaotong University, Beijing 100044

Abstract：In order to fit the task of filtering all semantically related public opinion texts with a certain topic in the actual public opinion research work, and to solve the difficultise in similarity calculation between long and short texts. In this paper, we propose a semantic filtering model of public opinion text in education field based on knowledge graph. Firstly, we use technology of entity link to deal with queries of some certain topic and candidate documents linked to them. Secondly, queries and candidate documents are represented as entity vector sets by the embedddings representation method of the knowledge graph. Thirdly, the similarity between the them is calculated by the late-interaction neural network. At last, the candidate texts are sorted according to the similar scores to complete the filtering task. This paper has carried out systematic experiments on the self-developed public opinion knowledge graph and semantic filtering task data set in the education field. The experiments show that the average reciprocal ranking (MRR) of this model reaches 37.4, 1.3 higher than the original ColBERT model, and the average recall of the top-10 documents reaches 82.2%, 2.9% higher than the baseline model. The model in this paper can overcome the differences between long and short texts in practical tasks, make full use of the semantic information of the knowledge graph, and has feasibility and accuracy in the semantic filtering task of public opinion texts in the field of education, which can meet the needs of practical work.

Keywords： Computer science and technology Knowledge map Semantic filtering Entity link BERT

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

韩宜书，孙利娟，吴京宸，等. 基于知识图谱的教育领域舆情文本语义过滤模型[EB/OL]. 北京：中国科技论文在线 [2023-03-13]. http://www.yfrlel.com/releasepaper/content/202303-128.

No.****

同行评议

未申请同行评议

全部评论

0/1000

论文编号	202303-128
论文题目	基于知识图谱的教育领域舆情文本语义过滤模型
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.