基于上下文信息和排序学习的实体链接方法-北京邮电大学学报.PDF

2015年10月 北 京 邮 电 大 学 学 报 Oct.2015 第38卷 第5期 Journal of Beijing University of Posts and Telecommunications Vol.38 No.5 摇 摇 文章编号:1007鄄5321(2015)05鄄0033鄄04 DOI:10.13190/ j.jbupt.2015.05.005 基于上下文信息和排序学习的实体链接方法 谭咏梅,摇 王摇 睿,摇 李茂林 (北京邮电大学 智能科学与技术中心,北京 100876) 摘要:为解决英语命名实体链接问题,提出了一种基于上下文信息和排序学习的实体链接方法. 首先使用上下文 信息对实体指称进行扩充,并在维基百科中检索候选实体列表;然后通过抽取实体指称与候选实体之间的各类特 征,利用ListNet排序算法对候选实体列表进行排序,选出Top1的候选实体作为链接结果;最后对未找到候选的实 体指称即NIL实体,通过实体聚类算法进行关联链接. 实验结果表明,该方法在KBP2013实体链接数据集上的F 值为0郾660,比KBP 2013 实体链接评测中所有参赛队伍的平均F值高0郾092,比系统 BUPTTeam2013 的F 值高 0郾162. 关摇 键摇 词:英语实体链接;上下文信息;排序学习;ListNet排序算法;实体聚类 中图分类号:TN929郾53摇 摇 摇 摇 文献标志码:A An Entity Linking Approach Based on Context Information and Learning to Rank TAN Yong鄄mei,摇 WANG Rui,摇 LI Mao鄄lin (Center for Intelligence Science and Technology,Beijing University of Posts and Telecommunications,Beijing 100876,China) Abstract:English entity linking tasksplay an important role in construction of semantic network and big knowledge base. An entity linking method based on local information and learning to rank algorithm was proposed. Firstly,the context information iswell usedfor expanding mentions爷name andretrieving can鄄 didate entitiesfrom Wikipedia. Secondly,kinds of features are extracted between mentions and candi鄄 dates and also theListNetalgorithmwasusedtorankthecandidateentitiestochoosethemostrelateden鄄 tity as the linked objects. Finally,the NIL entities was clustered by clustering method. The method a鄄 chieved0郾660 F value on KBP2013 Entity Linking dataset,it performs0郾092 better than the median F valueof allparticipatedteamsinKBP2013entitylinkingtaskandalsoperforms0郾162 bettert