基于缩略语扩展和网络数据挖掘的新型实体链接系统-模式识别国家....pdfVIP

基于缩略语扩展和网络数据挖掘的新型实体链接系统* 张涛，刘康，赵军 中国科学院自动化研究所模式识别国家重点实验室，北京，100190 E-mail: {tzhang, kliu, jzhao}@nlpr.ia.ac.cn 摘 要：实体链接是指将文本中具有歧义的实体指称项链接到知识库中相应实体的过程。本文首先对传统 的实体链接系统做了介绍，分析了传统的系统在处理缩略语问题和空实体问题方面的不足，提出了一种基 于缩略语扩展和网络数据挖掘的新型实体链接系统，并且对提出的系统在KBP 2009 数据集上进行了测试。 实验结果表明，相比于传统的系统，我们的系统在性能上有5%左右的提升。 关键词：实体消歧；实体链接；缩略语扩展 A New Entity Linking System Based on Acronym Expansion and Web Knowledge Mining ZHANG Tao, LIU Kang, ZHAO Jun National Laboratory of Pattern Recognition Institute of Automation, Beijing 100190 E-mail: {tzhang, kliu, jzhao}@nlpr.ia.ac.cn Abstract: Entity linking refers entity mentions in a document to their represtions in a knowledge base (KB). In this paper, we brief introduce the traditional entity linking system and point out some drawbacks of traditional system in acronym problem and empty entity problem. And then, we propose a new entity linking system based on acronym expansion and web knowledege mining, and test it in KBP 2009 source data. Experiment results show that the proposed system can gain a 5% improvement over the traditional approach. Keywords: Named Entity Disambiguation; Entity Linking; Acronym Expansion 1 介绍 近年来，随着互联网的普及和迅速发展，越来越多的信息以数字化的方式存储在网络 上。由于网络本身的开放性，使得网络上的各种信息通常都是无结构的，计算机很难对其 直接进行处理。因此，如何通过挖掘网络数据构建一个结构化的数据库（Knowledge Base ） 成为自然语言处理和信息检索领域的一个迫切任务。 由于自然语言本身的特性，使得命名实体歧义这种现象广泛存在于自然语言中。因此， 在构建结构化数据的过程中，需要一个命名实体链接系统来处理这种歧义现象。命名实体 歧义指的是同一个实体指称项在不同的上下文中可以对应到不同真实世界实体的语言现 象，例如，给定如下两个包含“苹果”的句子： 1） 苹果，落叶乔木，叶子椭圆形，花白色带有红晕，果实圆形，味甜或略酸，是常 见的水果。 2 ） 2006 年苹果将原本使用的IBM POWERPC 处理器更换为INTEL 基于CORE 微架 构的处理器。 两个句子中的实体指称项苹果分别指向实体“苹果（一种水果）”，“苹果公司”。命名 实体链接系统的的主要任务是根据给定的实体指称项以及所在文本，将该命名实体链接到 *本文收到国家自然科学基金项目60875041）资助 1 知识库中给定的实体列表中，如果知识库没有包括该实体，则返回为空。 给定一个