基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的 面向生物医学领域基于文献的知识学习及应用需求,为解决实体识别中存在的词语歧义问题,提出一种基于上下文特征的实体消歧算法.方法 实体消歧通常分为候选生成和实体消歧两部分.在候选生成阶段,本文采用基于知识库的方法对实体指称生成候选,并根据实体在知识库中的先验概率对候选实体进行筛选,这样保证了目标实体的召回率并有效减少消歧阶段的计算复杂度和噪声.在实体消歧阶段,本文提出一种基于上下文特征的实体消歧方法,构建概率模型计算实体上下文和实体指称上下文之间的相似度,选取相似度最大的实体作为目标实体.对从文献中识别出的命名指称做实体消歧实验,通过领域专家判断实体消歧结果的正确性,比较在不同算法下实体消歧的准确率.结果本文提出的方法在所选择的数据集中获得了83%的实体消歧准确率,高于其他算法.结论 基于上下文特征的实体消歧算法在本领域的实体消歧工作中效果最佳.
推荐文章
基于上下文信息的中文命名实体消歧方法研究
命名实体
语义知识库
聚类
语义列表
面向实体链接的多特征图模型实体消歧方法
中文实体链接
实体消歧
语义特征
图模型
基于上下文的领域本体概念和关系的提取
本体学习
上下文
概念提取
关系提取
语义相似度
基于聚类集成的人名消歧算法
聚类集成
人名消歧
凝聚层次聚类
相似度矩阵
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于上下文特征的领域文献实体消歧算法
来源期刊 北京生物医学工程 学科 医学
关键词 实体消歧 上下文特征 概率模型
年,卷(期) 2018,(4) 所属期刊栏目 论著
研究方向 页码范围 398-402,409
页数 6页 分类号 R318
字数 4400字 语种 中文
DOI 10.3969/j.issn.1002-3208.2018.04.012.
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 闫健卓 北京工业大学信息学部 28 188 8.0 12.0
2 王静 北京工业大学信息学部 21 84 5.0 9.0
3 陈建辉 北京工业大学信息学部 7 8 2.0 2.0
4 谭绍峰 2 5 2.0 2.0
5 贺东东 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (3)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
实体消歧
上下文特征
概率模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
北京生物医学工程
双月刊
1002-3208
11-2261/R
16开
北京安定门外安贞医院
1981
chi
出版文献量(篇)
2829
总下载数(次)
13
论文1v1指导