上下文感知的實體鏈接技術研究.pdf

1、將互聯(lián)網(wǎng)上海量的非結構化文本數(shù)據(jù)轉為應用所需的結構化知識，使其可被計算機高效地利用是改進搜索系統(tǒng)，實現(xiàn)智能問答與機器閱讀的基礎。在這個過程中，實體鏈接技術扮演了一個關鍵的角色，其主要目標是消除由于別名、指代、一詞多意等語言學現(xiàn)象引發(fā)的歧義，建立文本中出現(xiàn)的專有名詞（實體名）與知識庫中其所指代的實體之間的對應關系。
　　本研究主要內容包括：⑴提出了一種新穎的文檔分布式向量表達學習模型，在傳統(tǒng)文檔向量表達學習過程中融合上下文實體、實體

2、共現(xiàn)性等對于實體鏈接至關重要的額外信息，使得新的文檔向量表達在實體鏈接中具有更好鑒別力;針對上述模型難以直接訓練的問題，研究了一種通過隨機采樣訓練樣本，并結合Hierarchical Softmax或Negative Sampling進行訓練的方法，不但使得信息融合成為可能，更提高了訓練速度;隨后，基于該模型學習得到的文檔向量特征，本研究構建了候選實體與當前輸入文檔的語義匹配程度模型;最后，結合求出的語義匹配程度與候選實體本身的屬性協(xié)同

3、地探索實體鏈接最佳候選，形成了完整的實體鏈接系統(tǒng)?；诜植际较蛄勘磉_的實體鏈接系統(tǒng)克服了傳統(tǒng)方法需手工構造特征的缺點，自動地利用了同一文檔中提及的不同實體之間通常存在一定關聯(lián)的假設，在鏈接時聯(lián)合感知了上下文中的普通詞信息和提及實體信息。相比近年來提出的基于深度神經(jīng)網(wǎng)絡的方法，具有無需大量實體鏈接標注數(shù)據(jù)、模型訓練時間短等突出優(yōu)勢。⑵在實體鏈接研究常用的TAC KBP實體鏈接數(shù)據(jù)集上的一系列實驗結果表明，設計的實體鏈接系統(tǒng)性能優(yōu)越，其準確