百度知识图谱新进.pptVIP

谢谢！ QA 1 衰减率 ??(w,??_??????) 1 -5 -4 -3 -2 -1 0 1 2 3 4 5 李娜 0 名将 HEAD 在 号 上下文建模 ? 上下文词汇特征 ? 目标mention左右窗口中的词 ? 上下文实体特征 ? 目标mention左右窗口中出现的实体 ? 文本类别特征 ? 当前文本的所属类别 距离衰减因子 实体建模 ? 实体文本词汇特征 ? 实体文本中的内容词w与mention在大规模语料中的共现紧密度 ? 实体文本实体特征 ? 实体文本中出现的其他实体 ? 实体文本类别特征 ? 如百科词条的分类标签 特定小说、影视、 音乐等特定类别 的特征裁剪 实体链指决策 ? 特征 ? mention与entity的自身相似度特征、上下文词相似度特征、上下文 实体相似度特征、文本类别相似度特征 ? mention链指到不同entity的先验概率特征 ? 决策步骤-1：排序 ? 从mention的所有候选实体中，基于LTR选出top-1候选 ? 决策步骤-2：分类 ? 基于RF模型对top-1候选进行分类，判断是否应链接 ? 注：知识库中存在实体缺失问题，因此分类的步骤必不可少 EL应用于推荐实体消歧 Q：小威 Q：青藏高原 EL应用于推荐实体消歧 Q：小威 Q：青藏高原 解决上下文稀疏问题： 在N个推荐实体中，用其他 N-1个实体作为当前歧义实 体的上下文 提纲 ? 百度知心概要介绍 ? 百度知心实体推荐理由 ? 百度知心推荐实体消歧 ? 百度知心推荐实体轮展 ? 知识图谱的其他技术和应用 ? 模型的优化目标 – 右侧实体推荐的整体reward最大化 ? 如：推荐实体的点击率（click-through rate：CTR) ? 主要挑战 – 推荐实体的动态变化性 ? 右侧推荐实体的候选列表是在动态变化的，且用户的兴趣也会随着时 间动态变化 – 用户反馈数据的不完备性 ? 只有展现出来的实体会得到用户的点击反馈；那些没有展现出来的实 体永远没有机会被展现出来 基于在线学习（Online Learning）的推荐实体轮展 Calculate candidates Get Feedbacks Display Recommended items Multi-Armed Bandits 在exploration （新的推荐实体）和exploitation（好 的推荐实体）之间取得平衡 问题抽象 Display Card-Ranker Item-Rerank User - Log Preprocessing Feed Back Dictionary Generation Bandit Algorithm Candidate Generation 推荐实体轮展系统流程 提纲 ? 百度知心概要介绍 ? 百度知心实体推荐理由 ? 百度知心推荐实体消歧 ? 百度知心推荐实体轮展 ? 知识图谱的其他技术和应用 知识图谱的其他技术和应用： 专名挖掘 Learning NEs using Url-text Hybrid Patterns ? Is it possible to extract NEs from webpage titles only? – Yes! 99% NEs can be found in some webpage titles ? Url-text hybrid patterns – Url constraints should be taken into consideration ? Simple text patterns are enough for credible url (website) ? Complicated text patterns are needed for low-quality url ? Url-text hybrid pattern learning – utp = (up, tp, c, f) – Example: Zhang et al. 2013. Bootstrapping Large-scale Named Entities using URL-Text Hybrid Patterns. In IJCNLP. S2 Learning NEs using Url-text Hybrid Patterns Zhang et al. 20