基于上下文的多特征圖模型中文實體鏈接技術.pdf

1、網絡信息的發(fā)展與語義搜索需求的不斷增長，使得知識庫的擴充成為自然語言處理研究領域的熱點。實體鏈接正是知識庫擴充的核心關鍵技術，是將文本中的實體指稱表述項正確鏈接到知識庫中實體的過程，具有重要的理論研究價值和實際應用價值。目前大多數實體鏈接技術處理的語言為英文，針對中文的研究仍處于起步階段，造成這一現象的主要原因包括：缺乏統(tǒng)一且權威的中文開源知識庫和語料庫；中文的實體抽取技術受制于中文分詞，并且中文的語義豐富、語法更加靈活，消歧難度比英文

2、大，使得其仍然停留在命名實體的表述層面，不能很好地獲取實體的語義信息。針對以上問題，本文以當前主流的英文實體鏈接技術為基礎，結合目前中文的研究現狀，提出了一種基于上下文的多特征圖模型的解決方案。
　　本研究主要內容包括：⑴選取中文維基百科作為此次實體鏈接任務的知識庫支撐，并且從NIST(National Institute of Standards and Technology，美國國家標準與技術研究院)在TAC(Text Ana

3、lysis Conference，文本分析會議)的KBP(Knowledge Base Population，知識庫擴充)子任務提供的官方評測數據中，抽取中文語料信息，構造語料庫和實驗數據集；⑵從實體指稱表述項的上下文和維基百科數據庫兩個方面入手，充分抽取實體之間的多種特征并量化為語義相似度，然后將語義相似度融合到構建的圖模型中，利用圖模型的主題一致性的特點，對候選實體進行排序，完成實體鏈接，達到提高中文分詞的準確性和增加實體語義信息的