基于词向量语义分类的微博实体链接方法

• 作者: 冯冲 石戈 郭宇航 黄河燕 龚静
• 来源期刊: 自动化学报
• 关键词: 词向量 实体链接 社会媒体处理 神经网络 多分类
• 年，卷（期）: 2016,（6）
• 页码范围: 915-922
• 页数: 8页
• 字数: 6156字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c150715

摘要

微博实体链接是把微博中给定的指称链接到知识库的过程,广泛应用于信息抽取、自动问答等自然语言处理任务(Natural language processing, NLP)。由于微博内容简短,传统长文本实体链接的算法并不能很好地用于微博实体链接任务。以往研究大都基于实体指称及其上下文构建模型进行消歧,难以识别具有相似词汇和句法特征的候选实体。本文充分利用指称和候选实体本身所含有的语义信息,提出在词向量层面对任务进行抽象建模,并设计一种基于词向量语义分类的微博实体链接方法。首先通过神经网络训练词向量模板,然后通过实体聚类获得类别标签作为特征,再通过多分类模型预测目标实体的主题类别来完成实体消歧。在NLPCC2014公开评测数据集上的实验结果表明,本文方法的准确率和召回率均高于此前已报道的最佳结果,特别是实体链接准确率有显著提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄河燕	北京理工大学计算机学院	30	311	13.0	16.0
3	冯冲	北京理工大学计算机学院	14	156	7.0	12.0
6	郭宇航	北京理工大学计算机学院	3	22	2.0	3.0
7	石戈	北京理工大学计算机学院	2	18	2.0	2.0
8	龚静	北京理工大学计算机学院	1	13	1.0	1.0