中文实体链接研.pdf

中文实体链接研究 中文摘要 中文实体链接研究 摘 要 作为信息抽取与知识库构建之间建立联系的手段，实体链接在自然语言处理研 究中越来越凸显其重要性。而目前中文实体链接研究方面，既缺乏相关基准语料库， 更无从比较各种方法的优劣。本文首先从构建语料库开始，然后通过查询扩充的方 式生成候选集合，最后通过基于相似度计算的方法和基于有监督学习的方法来研究 中文实体链接，研究内容包括： 1）在ACE2005 中文语料库以及中文维基百科离线数据包的基础上，采用自动 生成和人工标注相结合的方法，构建了一个中文实体链接语料库以及相应的知识 库，并对语料库进行了统计和分析，同时还实现了一个中文实体链接的基准系统， 初步揭示了在本语料库上实现实体链接的难度。 2 ）在传统的信息检索生成查询表述候选集合的基础上，结合本文所构建语料库 的特点，通过查询扩充的方式生成候选集合；其次，在本文所构建的语料库上使用 了基于相似度计算的方法，并比较了各类相似度对性能的影响。 3 ）探索了基于有监督学习的实体链接方法和多种语言特征在中文实体链接系统 中的作用。通过统计机器学习方法来融合实体表述的表述特征、读音特征、上下文 特征等各类语言特征，采用有监督学习的方法实现中文实体链接。 在自行标注的中文实体链接语料库上的分析和实验表明：首先，对于候选集合 的生成问题，可以通过查询扩充的方式取得较高的召回率以及较小的候选集合规 模；其次，基于有监督学习的中文实体链接方法克服了采用相似度计算很难融合多 种特征的缺点，取得了较好的整体性能。 关键词：实体链接，查询扩展，相似度计算，有监督学习，语言特征。 作者：舒佳根 指导老师：钱龙华 I Abstract Research on Chinese Entity Linking Research on Chinese Entity Linking Abstract As a bridge between information extraction and knowledge base construction, Entity Linking (EL) is becoming increasingly important in the field of natural language processing. As of Chinese entity linking, lack of benchmark corporamakes it difficult to compare the advantage and disadvantage between different EL methods. This paper starts with constructing a Chinese EL corpus, and then generates the candidate set via query expansion, finally proposestwoEL improvements, one is based on similarity computation, and the other is based on supervised learning Our researchcontent includes the next three aspects: 1)Building a Chinese entity linking corpus based on ACE 2005 Chinese corpus v