Yuru Jiang ， Rou Song
Beijing University of Technology
Example：斑鳐
斑鳐 是 鳐形目 鳐科 鳐属 的 １ 种 。吻 中
长 ，尖 突 。尾 细长 ，
c1: 斑鳐 是 鳐形目 鳐科 鳐属 的 １ 种 。
c2: 吻 中长 ，
c3: 尖 突 。
c4: 尾 细长 ，
PClause
Sequence
c1: 斑鳐 是 鳐形目 鳐科 鳐属 的 １ 种 。
c2: 吻 中长 ，
c3 : 尖 突 。
c4: 尾 细长 ，
What
we
t1：斑鳐 是 鳐形目 鳐科 鳐属 的 １ 种 。 have
done
t2：斑鳐 吻 中长 ，
t3：斑鳐 吻 尖 突 。
t4：斑鳐 尾 细长 ，



Identification Process
Identification Algorithm
CTCs Scoring Function
Example2：斑鳐（选自《中国大百科全书》）
c1: 斑鳐 是 鳐形目 鳐科 鳐属 的 １ 种 。
c2: 吻 中长 ，
c3: 尖 突 。
c4: 尾 细长 ，
t1= c1
t2=？
if：
t1: 斑鳐 是 鳐形目 鳐科 鳐属 的 １ 种 。
c2: 吻 中长 ，
then：
t2=？
1.
2.
3.
4.
5.
6.
7.
8.
9.
吻 中长
斑鳐 吻
斑鳐 是
斑鳐 是
斑鳐 是
斑鳐 是
斑鳐 是
斑鳐 是
斑鳐 是
，
c2的CTCs
中长 ，
吻 中长 ，
鳐形目 吻 中长 ，
鳐形目 鳐科 的 吻 中长 ，
鳐形目 鳐科 鳐属 吻 中长 ，
鳐形目 鳐科 鳐属 的 吻 中长 ，
鳐形目 鳐科 鳐属 的 １ 吻 中长 ，
鳐形目 鳐科 鳐属 的 １ 种 吻 中长 ，
t1
CTCs of c2
C3
Topic Clause of C3
if：
CTCs of c2:
c3: 尖 突 ，
then：
t3=？
1.
2.
3.
4.
5.
6.
7.
8.
9.
吻 中长
斑鳐 吻
斑鳐 是
斑鳐 是
斑鳐 是
斑鳐 是
斑鳐 是
斑鳐 是
斑鳐 是
，
CTCs of c2
中长 ，
吻 中长 ，
鳐形目 吻 中长 ，
鳐形目 鳐科 的 吻 中长 ，
鳐形目 鳐科 鳐属 吻 中长 ，
鳐形目 鳐科 鳐属 的 吻 中长 ，
鳐形目 鳐科 鳐属 的 １ 吻 中长 ，
鳐形目 鳐科 鳐属 的 １ 种 吻 中长 ，
if：
one CTC of c2:斑鳐 是 鳐形目 吻 中长 ，
c3: 尖 突 ，
then：
one group CTCs of c3 is:
1.
2.
3.
4.
5.
6.
尖突，
斑鳐 尖 突 ，
斑鳐 是 尖 突 ，
斑鳐 是 鳐形目 尖 突 ，
斑鳐 是 鳐形目 吻 尖 突 ，
斑鳐 是 鳐形目 吻 中长 尖 突 ，
t1
c2的CTCs
c3的CTCs
How to
choose
the best
path?

Question1：How to calculate the value of
each node in the CTC tree？
◦ CTCs Scoring Function

Question2： How to calculate the path value
of each leaf node to the root node？
◦ Sum of the node value

Given a CTC d of PClause c, a topic clause
most similar to d is found from the corpus,
whose similarity is marked as sim_CT(d).
For any two strings x and y, given that their
similarity is sim(x,y). sim_CT(d) is defined
as
sim_CT(d)  max sim( d ,t )
tTcorpus
Topic Clause
Corpus

CTset(c) is the CTCs set of c, then the topic
clause of c is：
arg m ax( sim _CT(d))
dCTset ( c )


Accuracy rate is 0.6499
Reference：Yuru Jiang, Rou Song: Topic Clause Identification Based On
Generalized Topic Theory. Journal of Chinese Information Processing. 26(5),
(2012)
ctxSim _ CT ( d )  m ax ( 1 sim( d ,t )
tTcorpus
 2 sim( d _ c ,t _ c )
 3 sim( d _ tc pre ,t _ tc pre ))


Accuracy rate is 0.7625
>0.6499>baseline
Example3：
d_tcpre： A 一般 均 具 H 或 H C ，
d_c：
用以 引诱 食饵 。
t1：
A 一般 均 具 H 用以 引诱 食饵 。
st1：
A C 一般 具 H ，
t2：
A 一般 均 具 H 或 H C 用以 引诱 食饵 。
t_tcpre： A 有些 B C 具 C ，
t_c：
以 引诱 食饵 ，
t：
A 有些 B C 具 C 以 引诱 食饵 ，




Corpus
Evaluation Criteria
Experiment Result
Analysis

202 texts about fish in the Biology volume of
China Encyclopedia

15 texts are used for test in the experiment

K-1 test are used

For N PClauses, if the number of PClauses
whose topic clauses are correctly identified is
hitN, then the identification accuracy rate is
hitN/N.

Fig. 2. PClause Count and Accuracy Rate for Topic Clause
Identification about 15 texts

CTCs Scoring Function

CTC Tree

Extend to other text