基于多源知识的中文微博命名实体链接.PDF

　第５０卷　第７期 山　东　大　学　学　报　（理　学　版） ２０１５年７月　 　 　 　 　 　 　Ｖｏｌ．５０　 Ｎｏ．７　 　 　 　 　 ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ） Ｊｕｌ．２０１５　 　文章编号：１６７１９３５２（２０１５）０７０００９０８　　　ＤＯＩ：１０６０４０／ｊ．ｉｓｓｎ．１６７１９３５２３２０１４０２６ 基于多源知识的中文微博命名实体链接 １ １ １ ２ 昝红英 ，吴泳钢 ，贾玉祥 ，牛桂玲 （１．郑州大学信息工程学院，河南 郑州４５０００１；２．郑州大学外语学院，河南 郑州４５０００１） 摘要：命名实体在文本中是承载信息的重要单元，而微博作为一种分享简短实时信息的社交网络平台，其文本长 度短、不规范，而且常有新词出现，这就需要对其命名实体进行准确的理解，以提高对文本信息的正确分析。提出 了基于多源知识的中文微博命名实体链接，把同义词词典、百科资源等知识与词袋模型相结合实现命名实体的链 接。在ＮＬＰ＆ＣＣ２０１３中文微博实体链接评测数据集进行了实验，获得微平均准确率为９２９７％，与ＮＬＰ＆ＣＣ２０１３ 中文实体链接评测最好的评测结果相比，提高了两个百分点。 关键词：命名实体；中文微博实体链接；同义词词典；百科资源；词袋模型 中图分类号：ＴＰ３９１　　　文献标志码：Ａ ＣｈｉｎｅｓｅＭｉｃｒｏｂｌｏｇｎａｍｅｄｅｎｔｉｔｙｌｉｎｋｉｎｇｂａｓｅｄｏｎｍｕｌｔｉｓｏｕｒｃｅｋｎｏｗｌｅｄｇｅ １ １ １ ２ ＺＡＮＨｏｎｇｙｉｎｇ，ＷＵＹｏｎｇｇａｎｇ，ＪＩＡＹｕｘｉａｎｇ，ＮＩＵＧｕｉｌｉｎｇ （１．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００１，Ｈｅｎａｎ，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＦｏｒｅｉｇｎＬａｎｇｕａｇｅ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００１，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｎａｍｅｄｅｎｔｉｔｙｉｓａｎｉｍｐｏｒｔａｎｔｃｏｍｐｏｎｅｎｔｃｏｎｖｅｙｉｎｇｉｎｆｏｒｍａｔｉｏｎｉｎｔｅｘｔｓ．Ｍｉｃｒｏｂｌｏｇｉｓａｓｏｃｉａｌｎｅｔｗｏｒｋｐｌａｔ ｆｏｒｍｕｓｅｄｔｏｓｈａｒｅｂｒｉｅｆｒｅａｌｔｉｍｅｉｎｆｏｒｍａｔｉｏｎ，ｗｉｔｈｃｈａｒａｃｔｅｒｉｓｔｉｃｓｓｕｃｈａｓｓｈｏｒｔｔｅｘｔｌｅｎｇｔｈ，ｎｏｎｓｔａｎｄａｒｄｗｏｒｄｓ，ａｎｄ ｅｖｅｎｔｈｅｆｒｅｑｕｅｎｔｅｍｅｒｇｅｎｃｅｏｆｎｅｏｌｏｇｉｓｍｓ．Ｓｏａｎａｃｃｕｒａｔｅｕｎｄｅｒｓｔａｎｄｉｎｇｏｆｔｈｅｎａｍｅｄｅｎｔｉｔｉｅｓｉｓｎｅｅｄｅｄｔｏｅｎｓｕｒｅａｃｏｒ ｒｅｃｔａｎａｌｙｓｉｓｏｆｔｈｅｔｅｘｔｉｎｆｏｒｍａｔｉｏｎ．ＡＣｈｉｎｅｓｅＭｉｃｒｏｂｌｏｇｅｎｔｉｔｙｌｉｎｋｉｎｇｓｔｒａｔｅｇｙｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｍｕｌｔｉｒｅｓｏｕｒｃｅ ｋｎｏｗｌｅｄｇｅ，ｃｏｍｂｉｎｇｔｈｅｄｉｃｔｉｏｎａｒｙｏｆｓｙｎｏｎｙｍｓ，ｔｈｅｅｎｃｙｃｌｏｐｅｄｉａｒｅｓｏｕｒｃｅｓａｓｗｅｌｌａｓｔｈｅｂａｇｏｆｗｏｒｄｓｍｏｄｅｌｔｏｇｅｔｈｅｒ ｔｏｄｅａｌｗｉｔｈｎａｍｅｄｅｎｔｉｔｙｌｉｎｋｉｎｇ．Ｉｎｔｈｉｓｓｔｒａｔｅｇｙ，ｎａｍｅｄｅｎｔｉｔｉｅｓｔｏｂｅｌｉｎｋｅｄｉｎＭｉｃｒｏｂｌｏｇｗｅｒｅｍａｐｐｅｄｔｏｔｈｅｃｏｒｒｅ ｓｐｏｎｄｉｎｇｃａｎｄｉｄａｔｅｅｎｔｉｔｉｅｓｉｎｔｈｅｋｎｏｗ