中文實(shí)體鏈接研究.pdf

1、作為信息抽取與知識庫構(gòu)建之間建立聯(lián)系的手段，實(shí)體鏈接在自然語言處理研究中越來越凸顯其重要性。而目前中文實(shí)體鏈接研究方面，既缺乏相關(guān)基準(zhǔn)語料庫，更無從比較各種方法的優(yōu)劣。本文首先從構(gòu)建語料庫開始，然后通過查詢擴(kuò)充的方式生成候選集合，最后通過基于相似度計算的方法和基于有監(jiān)督學(xué)習(xí)的方法來研究中文實(shí)體鏈接，研究內(nèi)容包括：
　　1）在ACE2005中文語料庫以及中文維基百科離線數(shù)據(jù)包的基礎(chǔ)上，采用自動生成和人工標(biāo)注相結(jié)合的方法，構(gòu)建了一個中

2、文實(shí)體鏈接語料庫以及相應(yīng)的知識庫，并對語料庫進(jìn)行了統(tǒng)計和分析，同時還實(shí)現(xiàn)了一個中文實(shí)體鏈接的基準(zhǔn)系統(tǒng)，初步揭示了在本語料庫上實(shí)現(xiàn)實(shí)體鏈接的難度。
　　2）在傳統(tǒng)的信息檢索生成查詢表述候選集合的基礎(chǔ)上，結(jié)合本文所構(gòu)建語料庫的特點(diǎn)，通過查詢擴(kuò)充的方式生成候選集合；其次，在本文所構(gòu)建的語料庫上使用了基于相似度計算的方法，并比較了各類相似度對性能的影響。
　　3）探索了基于有監(jiān)督學(xué)習(xí)的實(shí)體鏈接方法和多種語言特征在中文實(shí)體鏈接系統(tǒng)中的