上下文感知的實(shí)體鏈接技術(shù)研究.pdf

1、將互聯(lián)網(wǎng)上海量的非結(jié)構(gòu)化文本數(shù)據(jù)轉(zhuǎn)為應(yīng)用所需的結(jié)構(gòu)化知識(shí)，使其可被計(jì)算機(jī)高效地利用是改進(jìn)搜索系統(tǒng)，實(shí)現(xiàn)智能問答與機(jī)器閱讀的基礎(chǔ)。在這個(gè)過程中，實(shí)體鏈接技術(shù)扮演了一個(gè)關(guān)鍵的角色，其主要目標(biāo)是消除由于別名、指代、一詞多意等語言學(xué)現(xiàn)象引發(fā)的歧義，建立文本中出現(xiàn)的專有名詞（實(shí)體名）與知識(shí)庫中其所指代的實(shí)體之間的對(duì)應(yīng)關(guān)系。
　　本研究主要內(nèi)容包括：⑴提出了一種新穎的文檔分布式向量表達(dá)學(xué)習(xí)模型，在傳統(tǒng)文檔向量表達(dá)學(xué)習(xí)過程中融合上下文實(shí)體、實(shí)體

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

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