基于維基類百科知識資源的實體關(guān)系發(fā)現(xiàn)和語義標(biāo)注.pdf

1、互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，促進(jìn)了新一代網(wǎng)絡(luò)出版載體的發(fā)展，維基類百科全書也應(yīng)運(yùn)而生。從維基類百科出現(xiàn)開始，其崇尚自由、開放、共享的精神就受到互聯(lián)網(wǎng)用戶的普遍關(guān)注。時至今日，維基類百科已經(jīng)成為最具活力、影響力最大、傳播效力最廣的網(wǎng)絡(luò)出版類型之一。維基類百科自身數(shù)據(jù)間的關(guān)系鏈接為語義網(wǎng)應(yīng)用服務(wù)的發(fā)展提供了可能，然而維基類百科編輯者們在編輯詞條時，并未對一些實體提供語義標(biāo)注，導(dǎo)致維基類百科數(shù)據(jù)間存在實體鏈接缺失。實體鏈接旨在為知識庫中某個關(guān)鍵詞尋

2、找合適的實體，并與該關(guān)鍵詞建立鏈接，以加強(qiáng)知識庫數(shù)據(jù)間的關(guān)聯(lián)程度。在知識庫中添加實體鏈接關(guān)系可以將無結(jié)構(gòu)或結(jié)構(gòu)程度低的文本信息轉(zhuǎn)化為結(jié)構(gòu)程度高的文本信息，極大地增強(qiáng)了知識庫信息的可讀性。
　　中文維基類知識庫，如百度百科，互動百科等實體鏈接關(guān)系缺失嚴(yán)重，并且基于維基百科的實體鏈接方法在中文知識庫上準(zhǔn)確率和召回率低，所以本文結(jié)合中文知識庫知識結(jié)構(gòu)的特點(diǎn)，定義了5個相似度特征值來描述實體間的關(guān)聯(lián)程度。在此基礎(chǔ)上，針對百度百科等中文知識

3、資源，給出了一種自動發(fā)現(xiàn)實體鏈接并進(jìn)行語義標(biāo)注的方法。通過識別百度百科信息框和正文中的所有條目，構(gòu)建相應(yīng)的條目表，為條目表中的每一個條目建立候選匹配表;然后使用邏輯斯蒂回歸模型來評價定義的5個特征值對語義關(guān)系的貢獻(xiàn)程度（即權(quán)值），發(fā)現(xiàn)候選匹配集中的最佳匹配，以此實現(xiàn)百度百科的實體鏈接并進(jìn)行相應(yīng)的語義標(biāo)注。
　　為評估本文方法的有效性，本文選取百度百科作為數(shù)據(jù)源，進(jìn)行實體鏈接關(guān)系發(fā)現(xiàn)和相應(yīng)的語義標(biāo)注實驗，實驗結(jié)果表明，本文定義的5個