基于词向量语义分类的微博实体链接方法

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。

关键词：词向量、实体链接、社会媒体处理、神经网络、多分类

所属期刊栏目：42

分类号：TP3;TN

资助基金：国家重点基础研究发展计划973计划2013CB329303;国家高技术研究发展计划863计划2015AA015404;国家自然科学基金61502035;高等学校博士学科点专项科研基金20121101120026资助Supported by National Basic Research Program of China 973 Program2013CB329303;National High Technology Research and Development Program of China 863 Program2015AA015404;National Natural Science Foundation of China61502035;Specialized Research Fund for the Doctoral Program of Higher Education20121101120026

在线出版日期：2016-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：915-922