文献类型：期刊文章

作　　者：王仲远[1,2] 程健鹏[2,3] 王海勋[4] 文继荣[1]

机构地区：[1]中国人民大学信息学院,北京100872 [2]微软亚洲研究院,北京100080 [3]牛津大学计算机科学学院 [4]Facebook,美国加利福尼亚州门洛帕克市94025

出　　处：《计算机研究与发展》

基　　金：国家"九七三"基础研究发展计划基金项目(2014CB340403);中央高校基本科研业务费专项资金(14XNLF05)~~

年　　份：2016

卷　　号：53

期　　号：2

起止页码：262-269

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：短文本理解是一项对于机器智能至关重要但又充满挑战的任务.这项任务有益于众多应用场景,如搜索引擎、自动问答、广告和推荐系统.完成这些应用的首要步骤是将输入文本转化为机器可以诠释的形式,即帮助机器"理解"短文本的含义.基于这一目标,许多方法利用外来知识源来解决短文本中语境信息不足的问题.通过总结短文本理解领域的相关工作,介绍了基于向量的短文本理解框架.同时,探讨了短文本理解领域未来的研究方向.

关 键 词：知识挖掘 短文本理解  概念化 语义计算

分 类 号：TP391]