基于领域知识图谱的短文本实体链接

摘要：

实体链接任务是识别文本中潜在的实体指称,并将其链接到给定知识库中无歧义的实体上.在绝大多数情况下,实体链接可能存在中文短文本缺乏有效上下文信息,导致存在一词多义的歧义现象;同时候选链接过程中,候选实体的不确定相关性也影响候选实体链接精确性.针对上述两个问题,提出深度神经网络与关联图相结合的实体链接模型.模型添加字符特征、上下文、信息深层语义来增强指称和实体表示,并进行相似度匹配.利用Fast-newman算法将图谱知识库聚类划分不同类型实体簇,将相似度计算得分最高候选实体所属实体簇映射到关系平面,构建聚类实体关联图.利用偏向随机游走算法考查候选实体之间语义相关度,计算指称与候选实体的匹配程度,输入链接实体.该模型可以实现短文本到知识图谱目标实体的准确链接.

关键词：实体链接;神经网络;关联图;相似度计算;语义相关

所属期刊栏目：58

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金杰出青年项目;哈尔滨市杰出青年人才基金;黑龙江省自然科学基金面上项目;黑龙江省普通本科高等学校青年创新人才项目;大学生创新创业训练计划项目

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：165-174