NLP:为教科书中的特定术语策划定义摘要
NLP:为教科书中的特定术语策划定义摘要
提问于 2017-06-26 23:37:40
我希望能够为教科书中的特定术语策划定义摘要。
例如，从生物学教科书中，我希望能够对“线粒体”这个词形成一个简洁的总结。我已经尝试过了，首先在教科书中解析包含单词“线粒体”的所有句子，并通过TextRank和LexRank等摘要算法输入这些句子，但这些算法无法很好地确定“定义”句子。
通过定义摘要，我指的是有用的句子，就定义而言。例如，句子“线粒体是细胞的动力”将是一个定义句子，而句子“真菌细胞也包含线粒体和一个复杂的内膜系统，包括内质网和Golgi装置”并不真正与线粒体的定义相关。
如有任何帮助或线索，我们将不胜感激
回答 2
Stack Overflow用户
发布于 2017-06-26 23:51:36
这是一个非常开放的问题。我可以试着指出我将如何处理这件事。
一种方法是对文本使用某种矢量表示(想到的是word2vec或sent2vec )。
然后，通过以向量格式对句子的平均值进行编码，并检查这个句子和您要查找的术语的余弦相似度，您可能会得到与您要查找的定义句子非常接近的内容。
即使是测试平均句子的余弦相似度，你也可以从摘要算法和术语中获得，这可能让你更接近判断你有多接近
Stack Overflow用户
发布于 2017-06-27 16:05:12
没有一种简单的方法可以做到这一点，但您确实有一些选择：
- 只是用正则表达式来表示“线粒体是”。这是最愚蠢的事情，但考虑到教科书，它可能会被证明是令人满意的。它足够简单，测试应该很容易，在最坏的情况下，它提供了一个基准来比较替代方案。
- 对包含单词“线粒体”的每个句子运行解析器(示例：Stanford Parser)，并提取以线粒体为主题的句子。这将消除您给出的负面例子。
- 使用信息提取(示例：Stanford OpenIE)来获取有关线粒体(如
is-in(mitochondria, cell))的事实列表，并对其执行某些操作。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/44763385
复制相关文章
相似问题
腾讯云开发者
