摘要：【目的】提出一种融合多特征的论文推荐方法,为研究者提供精准的论文推荐服务。【方法】本文设计了一个特征提取框架,分别从学术论文知识图谱中提取实体关系特征和主题文本特征并融合。为提升高维度融合特征的学习效果,基于知识嵌入的编码-解码模型提出一种论文推荐方法。【结果】在DBLP-v11数据集上的实验结果表明,所提模型在查准率和MRR上相比次优模型分别提高8.9和2.9个百分点。【局限】本文的图谱特征学习方法没有考虑实体在现实环境下的权重。【结论】论文推荐任务的结果证明了所提方法在学习高维度特征中的有效性,对后续研究具有借鉴意义。

摘要：【目的】针对非结构化文本中的三元组抽取问题,设计能够提升抽取效果并适用于重叠场景的联合抽取模型。【方法】设计一种基于位置感知的分步标记方法,首先通过标记头尾位置确定主实体,接着在逐一预设的关系属性下标记相应的客实体。为提升抽取效果,在标记过程中引入三重位置辅助信息,并结合前序结果及注意力机制共享底层编码。【结果】在中文公开数据集DuIE上进行实验,结果表明所提方法优于其他基线方法,F1值达0.886。此外,还通过消融研究对各组件的有效性进行验证。【局限】标记机制和匹配模式尚未考虑到偶现的嵌套实体问题,有待进一步探索。【结论】所提联合抽取方法可以妥善解决包括重叠场景在内的三元组抽取问题,模型采用的位置辅助设计对后续研究有借鉴意义。