基于图的联合特征实体链接方法

doi:10.12066/j.issn.1007-2861.2068

上海大学学报(自然科学版) ›› 2020, Vol. 26 ›› Issue (5): 747-755.doi: 10.12066/j.issn.1007-2861.2068

基于图的联合特征实体链接方法

周金¹, 朱永华²(), 张铁男², 邢毅雪¹, 张克¹

1.上海大学上海电影学院, 上海 200072
2.上海大学计算机工程与科学学院, 上海 200444

收稿日期:2018-07-02 出版日期:2020-10-30 发布日期:2020-11-06
通讯作者: 朱永华 E-mail:yhzhu@staff.shu.edu.cn
基金资助:
上海市科委基金资助项目(14590500500)

A graph-based method for multi-feature entity linking

ZHOU Jin¹, ZHU Yonghua²(), ZHANG Tienan², XING Yixue¹, ZHANG Ke¹

1. Shanghai Film Academy, Shanghai University, Shanghai 200072, China
2. School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China

Received:2018-07-02 Online:2020-10-30 Published:2020-11-06
Contact: ZHU Yonghua E-mail:yhzhu@staff.shu.edu.cn

摘要/Abstract

摘要：

实体链接是指将文本中的实体指称映射到知识库实体的过程, 这一过程在知识图谱、知识融合领域都是关键的步骤之一. 提出了一种基于图的联合特征实体链接方法, 首先对知识库和文本进行预处理, 然后识别文本中的命名实体指称, 随后联合主题、上下文、元数据等多特征的语义相似度, 在经扩充的图模型中利用重启随机游走和联合消歧选出指称的链接实体. 实验结果表明, 基于图的联合特征实体链接方法有效提高了实体链接效果.

关键词: 实体链接, 实体消岐, 语义相似度, 重启随机游走, 自然语言处理

Abstract:

Entity linking refers to the process of linking entity mentioned in text with knowledge base entity, which is one of the key steps in knowledge graph and knowledge fusion. This paper proposes a graph-based method for multi-feature entity linking. This method first preprocesses the knowledge base and the text, then identifies the named entity references in the text, and then combines the semantic similarity of multiple features such as topics, context, metadata, etc. In the expanded graph model, the probability of restarting random walk is used, and the target candidate entity is selected by joint disambiguation. The results of experiment show that the joint feature-based entity linking method based on graphs effectively improves the effectiveness of entity linking.

Key words: entity linking, entity disambiguation, semantic relatedness, random walk with restart, natural language processing

中图分类号:

TP391

周金, 朱永华, 张铁男, 邢毅雪, 张克. 基于图的联合特征实体链接方法[J]. 上海大学学报(自然科学版), 2020, 26(5): 747-755.

ZHOU Jin, ZHU Yonghua, ZHANG Tienan, XING Yixue, ZHANG Ke. A graph-based method for multi-feature entity linking[J]. Journal of Shanghai University（Natural Science Edition）, 2020, 26(5): 747-755.

图/表 6

图1

表1

图2

表2

图3

表3

参考文献 19

[1]	Cornolti M, Ferragina P, Ciaramita M. A piggyback system for joint entity mention detection and linking in web queries[C]// International Conference on World Wide Web. 2016: 567-578.
[2]	鄂世嘉, 林培裕, 向阳. 自动化构建的中文知识图谱系统[J]. 计算机应用, 2016,36(4):992-996.
[3]	Dong X L, Gabrilovich E, Heitz G, et al. From data fusion to knowledge fusion[J]. Proceedings of the VLDB Endowment, 2014,7(10):881-892.
[4]	林海伦, 王元卓, 贾岩涛, 等. 面向网络大数据的知识融合方法综述[J]. 计算机学报, 2017(1):1-27.
[5]	Chen R C, Bau C T, Yeh C J. Merging domain ontologies based on the WordNet system and fuzzy formal concept analysis techniques[J]. Applied Soft Computing, 2011,11(2):1908-1923.
[6]	Gattani A, Lamba D S, Garera N, et al. Entity extraction, linking, classification, and tagging for social media: a wikipedia-based approach[J]. Proceedings of the VLDB Endowment, 2013,6(11):1126-1137.
[7]	Mihalcea R, Csomai A. Wikify!: linking documents to encyclopedic knowledge[C]// Proceedings of the Sixteenth ACM Conference on Information and Knowledge Management. 2007: 233-242.
[8]	Shen W, Han J, Wang J, et al. SHINE+: a general framework for domain-specific entity linking with heterogeneous information networks[J]. IEEE Transactions on Knowledge and Data Engineering, 2018,30(2):353-366.
[9]	Zhu G, Iglesias C A. Exploiting semantic similarity for named entity disambiguation in knowledge graphs[J]. Expert Systems with Applications, 2018,101(6):8-24. doi: 10.1016/j.eswa.2018.02.011
[10]	刘峤, 钟云, 李杨, 等. 基于图的中文集成实体链接算法[J]. 计算机研究与发展, 2016,53(2):270-283.
[11]	李超. 一种基于BTM 主题模型的命名实体链接方法研究[D]. 大连: 大连海事大学, 2017.
[12]	谭咏梅, 李晓光, 吕学强. 融合卷积神经网络和重启随机游走的实体链接方法[J]. 北京邮电大学学报, 2018,41(1):65-69.
[13]	Han X, Sun L, Zhao J, et al. Collective entity linking in web text: a graph-based method[C]// International ACM SIGIR Conference on Research and Development in Information Retrieval. 2011: 765-774.
[14]	Hoffart J, Yosef M A, Bordino I, et al. Robust disambiguation of named entities in text[C]// Conference on Empirical Methods in Natural Language Processing. 2011: 782-792.
[15]	李茂林. 基于主题敏感的重启随机游走实体链接方法[J]. 北京大学学报(自然科学版), 2016,52(1):17-24.
[16]	高艳红, 李爱萍, 段利国. 面向实体链接的多特征图模型实体消歧方法[J]. 计算机应用研究, 2017,34(10):2909-2914.
[17]	谭咏梅, 郑迪, 刘姝雯, 等. 基于重启随机游走的实体识别与链接方法[J]. 北京邮电大学学报, 2017,40(6):115-119.
[18]	Kalender M, Korkmaz E E. THINKER-entity linking system for Turkish language[J]. IEEE Transactions on Knowledge and Data Engineering, 2018,30(2):367-380. doi: 10.1109/TKDE.2017.2761743
[19]	Globerson A, Lazic N, Chakrabarti S, et al. Collective entity resolution with multi-focal attention[C]// Meeting of the Association for Computational Linguistics. 2016: 621-631.

基于图的联合特征实体链接方法

A graph-based method for multi-feature entity linking

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 19

相关文章 15

编辑推荐

Metrics

本文评价

[1]	田丰, 戴帅凡, 张焱. VR 影像深度跳跃与观众感知反应时间的模型构建[J]. 上海大学学报(自然科学版), 2020, 26(5): 702-714.
[2]	徐敏, 丁友东, 董荪, 张倩倩, 李傅媛, 陈钰. 基于分区域双边滤波的谷粒噪声修复算法[J]. 上海大学学报(自然科学版), 2020, 26(5): 693-701.
[3]	陆申阳, 冉峰, 郭爱英, 沈华明. 一种用于自适应直方图均衡化的硬件加速器[J]. 上海大学学报(自然科学版), 2020, 26(3): 401-412.
[4]	张婷婷, 张焱, 田丰. VR 影像镜头组接的轴线规则[J]. 上海大学学报(自然科学版), 2019, 25(6): 888-897.
[5]	胡嘉成, 王向阳, 刘晗. 基于深度学习的连铸坯表面缺陷检测[J]. 上海大学学报(自然科学版), 2019, 25(4): 445-452.
[6]	高明柯, 陈一民, 张典华, 黄晨, 李泽宇. 基于改进蚁群算法的血管介入手术路径规划[J]. 上海大学学报(自然科学版), 2019, 25(2): 198-205.
[7]	郁怀波, 胡越黎, 徐杰. 基于多特征融合与树形结构代价聚合的立体匹配算法[J]. 上海大学学报(自然科学版), 2019, 25(1): 66-74.
[8]	张亚军, 刘宗田, 李强, 周文. 面向事件的中文指代语料库的构建[J]. 上海大学学报(自然科学版), 2018, 24(6): 900-911.
[9]	徐敏, 丁友东, 于冰, 李畅, 吴彪, 张婉莹. 基于5${\times}$5邻域像素点相关性的划痕修复算法[J]. 上海大学学报(自然科学版), 2018, 24(5): 686-693.
[10]	黄东晋, 雷雪, 蒋晨凤, 陈燕敏, 丁友东. 基于改进JPS算法的电影群体动画全局路径规划[J]. 上海大学学报(自然科学版), 2018, 24(5): 694-702.
[11]	周敬一, 郭燕, 丁友东. 基于深度学习的中文影评情感分析[J]. 上海大学学报(自然科学版), 2018, 24(5): 703-712.
[12]	陈悦, 董红斌, 谭成予, 梁意文. 数据起源在多版本文档检索中的应用[J]. 上海大学学报(自然科学版), 2018, 24(5): 730-744.
[13]	黄春晖, 赵其杰, 柯震南. 一种钢坯表面喷印字符图像分割算法[J]. 上海大学学报(自然科学版), 2018, 24(5): 763-772.
[14]	夏天然, 丁友东, 于冰, 黄曦. 基于子帧缝合的老电影大面积破损修复[J]. 上海大学学报(自然科学版), 2018, 24(4): 503-511.
[15]	黄东晋, 李贺娟, 段思文, 肖帆, 丁友东. 基于多自主智能体的电影混战群体仿真[J]. 上海大学学报(自然科学版), 2018, 24(4): 512-523.