KBDR：基于图匹配的文档检索方法，并结合知识增强技术

《Scientific Reports》：KBDR: document retrieval based on graph matching with knowledge enhancement

　　

摘要

文档检索是指在语料库中识别语义上最相关的文档内容。现有的匹配算法可能无法识别所有文档中词汇的同义关系，从而导致检索结果不准确。为了解决这一限制，本文提出了基于知识的文档检索（KBDR）方法，该方法利用基于图的知识扩展技术。首先，通过命名实体识别和关系提取来构建文档图谱；其次，利用HowNet和ConceptNet等外部知识库来扩展实体，以丰富语义联系；最后，应用图注意力网络（GAT）对实体间的依赖关系进行建模，从而实现相关性排序。通过五个数据集（CIPP、CNSE、CNSS、AAN和OC）的评估，KBDR的表现优于基线方法，在CNSE数据集上达到了25.88%的最高召回率。总体而言，KBDR能够提高文档检索的效率和鲁棒性，有效处理概念偏差，并推动该领域向更复杂的检索系统发展。