基于多源知識(shí)的命名實(shí)體鏈接研究.pdf

1、處于大數(shù)據(jù)時(shí)代下，網(wǎng)絡(luò)信息出現(xiàn)迅猛增長(zhǎng)的趨勢(shì)，互聯(lián)網(wǎng)日趨發(fā)展成為一個(gè)信息覆蓋面廣的共享倉(cāng)庫(kù)，與此同時(shí)，對(duì)信息資源進(jìn)行準(zhǔn)確地理解也變得越來(lái)越困難，這是信息時(shí)代中一個(gè)亟需解決的問題。命名實(shí)體在文檔中負(fù)載著主要的信息，是重要的語(yǔ)言單元，所以,對(duì)于一些存在歧義的命名實(shí)體的正確分析，將對(duì)文本的理解起到關(guān)鍵性作用，同時(shí)，對(duì)于知識(shí)庫(kù)中不存在對(duì)應(yīng)實(shí)體的新命名實(shí)體，需要及時(shí)發(fā)現(xiàn)，從而，可以將新出現(xiàn)的命名實(shí)體添加入知識(shí)庫(kù)中，進(jìn)而對(duì)其進(jìn)行編輯，以此，達(dá)到擴(kuò)充

2、知識(shí)庫(kù)的目的。命名實(shí)體鏈接技術(shù)正是解決此類問題的重要途徑，將實(shí)體與知識(shí)庫(kù)中的相關(guān)實(shí)體準(zhǔn)確地建立起映射關(guān)系，繼而實(shí)現(xiàn)自動(dòng)的命名實(shí)體鏈接。命名實(shí)體鏈接技術(shù)將對(duì)解決知識(shí)庫(kù)中的命名實(shí)體歧義和知識(shí)庫(kù)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(shí)庫(kù)的構(gòu)建，包括同義詞表、人物Title表的構(gòu)建，以及對(duì)知識(shí)庫(kù)實(shí)體類別標(biāo)識(shí)的更新，同時(shí)對(duì)知識(shí)庫(kù)的實(shí)體建立索引。⑵基于Lucene的命名實(shí)體鏈接，利用Lucene對(duì)待鏈接實(shí)體所在文本抽取的特

3、征在知識(shí)庫(kù)中進(jìn)行檢索，如果相似度分值最高的實(shí)體符合設(shè)定的條件，則返回實(shí)體的ID。⑶基于VSM與網(wǎng)絡(luò)驗(yàn)證的命名實(shí)體鏈接，結(jié)合百科資源與向量空間模型，得到知識(shí)庫(kù)中符合條件的實(shí)體。⑷基于Ranking SVM的命名實(shí)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(yǔ)義特征，同時(shí)利用SVM模型的優(yōu)秀分類能力，得到符合要求的知識(shí)庫(kù)中實(shí)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(shí)驗(yàn)，其中,基于R