基于鏈接開放數(shù)據(jù)的實體連接.pdf

1、實體連接是數(shù)據(jù)挖掘領(lǐng)域中一個非常熱門的課題,這個任務(wù)的目的是將給定文本中提到的實體,也就是一些概念如人物時間地理等,連接到給定的目標知識庫中。它和傳統(tǒng)的命名實體識別不同,后者只是為了識別出特定類型的實體,并不存在目標知識庫,所以并不能提供識別實體的具體信息。一個優(yōu)秀的實體連接系統(tǒng)或算法可以給文本自動標注,文本結(jié)構(gòu)化等任務(wù)提供非常方便的自動化幫助。
　　本文提出了一個基于領(lǐng)域的主題模型的實體連接算法,以Zhishi.me作為目標知識

2、庫。本文通過抽取特定的領(lǐng)域,并利用主題模型去捕捉領(lǐng)域相關(guān)的文本的語義特征。在此基礎(chǔ)上,為了克服領(lǐng)域不全和同義詞不全的問題,本文分別提出了基于知識庫結(jié)構(gòu)化信息的領(lǐng)域擴充算法和基于共現(xiàn)圖的同義詞查找算法,提升了領(lǐng)域模型的廣度和同義詞匹配的準確度。進一步,將這些算法在手工標注的新聞和微博數(shù)據(jù)集上做了較全面的實驗,得出的實驗結(jié)果效果比較好,可以說明本文方法的有效性。
　　另外,本文還實現(xiàn)了一個演示系統(tǒng),用戶可以向Web服務(wù)器提交請求,并得