基于多源知識的命名實體鏈接研究.pdf

1、處于大數(shù)據(jù)時代下，網絡信息出現(xiàn)迅猛增長的趨勢，互聯(lián)網日趨發(fā)展成為一個信息覆蓋面廣的共享倉庫，與此同時，對信息資源進行準確地理解也變得越來越困難，這是信息時代中一個亟需解決的問題。命名實體在文檔中負載著主要的信息，是重要的語言單元，所以,對于一些存在歧義的命名實體的正確分析，將對文本的理解起到關鍵性作用，同時，對于知識庫中不存在對應實體的新命名實體，需要及時發(fā)現(xiàn)，從而，可以將新出現(xiàn)的命名實體添加入知識庫中，進而對其進行編輯，以此，達到擴充

2、知識庫的目的。命名實體鏈接技術正是解決此類問題的重要途徑，將實體與知識庫中的相關實體準確地建立起映射關系，繼而實現(xiàn)自動的命名實體鏈接。命名實體鏈接技術將對解決知識庫中的命名實體歧義和知識庫擴充等問題起到支撐作用。
　　本研究主要內容包括：⑴多源知識庫的構建，包括同義詞表、人物Title表的構建，以及對知識庫實體類別標識的更新，同時對知識庫的實體建立索引。⑵基于Lucene的命名實體鏈接，利用Lucene對待鏈接實體所在文本抽取的特

3、征在知識庫中進行檢索，如果相似度分值最高的實體符合設定的條件，則返回實體的ID。⑶基于VSM與網絡驗證的命名實體鏈接，結合百科資源與向量空間模型，得到知識庫中符合條件的實體。⑷基于Ranking SVM的命名實體鏈接，該方法有效地融合了微博文本的表面性特征與深層語義特征，同時利用SVM模型的優(yōu)秀分類能力，得到符合要求的知識庫中實體的ID。⑸將上述三種方法分別在NLP&CC2013和NLP&CC2014公開的數(shù)據(jù)集上進行實驗，其中,基于R