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(wǎng)絡(luò)信息出現(xiàn)迅猛增長的趨勢，互聯(lián)網(wǎng)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(jìn)行準(zhǔn)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(fù)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(guān)鍵性作用，同時，對于知識庫中不存在對應(yīng)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(jìn)而對其進(jìn)行編輯，以此，達(dá)到擴(kuò)充

2、知識庫的目的。命名實體鏈接技術(shù)正是解決此類問題的重要途徑，將實體與知識庫中的相關(guān)實體準(zhǔn)確地建立起映射關(guān)系，繼而實現(xiàn)自動的命名實體鏈接。命名實體鏈接技術(shù)將對解決知識庫中的命名實體歧義和知識庫擴(kuò)充等問題起到支撐作用。
　　本研究主要內(nèi)容包括：⑴多源知識庫的構(gòu)建，包括同義詞表、人物Title表的構(gòu)建，以及對知識庫實體類別標(biāo)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(jìn)行檢索，如果相似度分值最高的實體符合設(shè)定的條件，則返回實體的ID。⑶基于VSM與網(wǎng)絡(luò)驗證的命名實體鏈接，結(jié)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(jìn)行實驗，其中,基于R