基于CNN和深层语义匹配的中文实体链接模型

• 作者: 吴晓崇 张月琴 段跃兴 闫雄
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 实体链接 知识图谱 卷积神经网络 深层语义模型 语义相似度
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1514-1520
• 页数: 7页
• 分类号: TP391
• 字数: 5862字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.08.023

摘要

实体链接是知识图谱领域的重要研究内容,现有的实体链接模型研究大多集中在对手工特征的选择上,不能很好地利用实体间的语义信息来实现更高效的实体链接效果.故提出一个基于深度语义匹配模型和卷积神经网络的实体链接模型,候选实体生成阶段采用构造同名字典,并基于上下文进行字典扩充,通过匹配来选择候选实体集.通过卷积神经网络来捕获深层语义信息,进行特征提取,并将其作为语义匹配模型的输入,通过模型训练学习选择出最佳参数,并输出语义相似度最高的候选实体作为实体链接的结果.在NLP&CC2014_ERL数据集上较Ranking SVM模型准确率提升了3.9％,达到86.7％.实验结果表明了提出的新模型性能优于当前的主流模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张月琴	太原理工大学信息与计算机学院	49	336	10.0	16.0
2	段跃兴	太原理工大学信息与计算机学院	15	55	4.0	7.0
3	吴晓崇	太原理工大学信息与计算机学院	1	0	0.0	0.0
4	闫雄	太原理工大学信息与计算机学院	1	0	0.0	0.0