分类法是各种领域中许多真实世界应用的基础,可以作为知识的结构表示。为了处理需要作为分类法组织起来的越来越多的新概念,研究人员转而使用新概念自动补全现有的分类法。本文提出了一种新的分类法补全框架TaxoEnrich,该框架有效地利用了现有分类法中的语义特征和结构信息,并提供了更好的候选位置表示,以提高分类法补全的性能。具体而言,TaxoEnrich由四个部分组成:(1)基于强大的预训练的语言模型,将概念语义和分类关系结合起来的分类上下文嵌入;(2)分类感知序列编码器,通过对分类结构信息进行编码来学习候选位置表示;(3)查询感知兄弟编码器,根据候选兄弟编码对查询位置匹配的重要性,自适应聚合候选兄弟编码以增强候选位置表示;(4)用我们的新候选位置表示扩展了现有工作的查询-位置匹配模型。在来自不同领域的四个大型真实数据集上进行的大量实验表明,TaxoEnrich在所有评价指标中获得了最好的性能,并且大大超过了以前最先进的方法。

成为VIP会员查看完整内容
13

相关内容

【AAAI2022】面向多标签分类的端到端概率标签特征学习
专知会员服务
29+阅读 · 2022年1月27日
专知会员服务
40+阅读 · 2021年5月24日
【WWW2021】基于图层次相关性匹配信号的Ad-hoc 检索
专知会员服务
13+阅读 · 2021年2月25日
【WWW2021】用于常识知识提取的高级语义
专知会员服务
11+阅读 · 2021年2月16日
【WWW2021】自监督学习上下文嵌入的异构网络链接预测
专知会员服务
39+阅读 · 2021年2月10日
【WWW2021】充分利用层级结构进行自监督分类法扩展
专知会员服务
15+阅读 · 2021年2月7日
【AAAI2021】时间关系建模与自监督的动作分割
专知会员服务
36+阅读 · 2021年1月24日
自监督视觉特征学习
专知
0+阅读 · 2021年11月1日
对比自监督学习
深度学习自然语言处理
34+阅读 · 2020年7月15日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月17日
Identity-aware Graph Neural Networks
Arxiv
14+阅读 · 2021年1月25日
VIP会员
相关VIP内容
【AAAI2022】面向多标签分类的端到端概率标签特征学习
专知会员服务
29+阅读 · 2022年1月27日
专知会员服务
40+阅读 · 2021年5月24日
【WWW2021】基于图层次相关性匹配信号的Ad-hoc 检索
专知会员服务
13+阅读 · 2021年2月25日
【WWW2021】用于常识知识提取的高级语义
专知会员服务
11+阅读 · 2021年2月16日
【WWW2021】自监督学习上下文嵌入的异构网络链接预测
专知会员服务
39+阅读 · 2021年2月10日
【WWW2021】充分利用层级结构进行自监督分类法扩展
专知会员服务
15+阅读 · 2021年2月7日
【AAAI2021】时间关系建模与自监督的动作分割
专知会员服务
36+阅读 · 2021年1月24日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员