基于共指消解的实体搜索模型研究

摘要：

实体属性挖掘(slot filling,SF)旨在从大规模文档集中挖掘给定实体(称作查询)的特定属性信息.实体搜索是SF的重要组成部分,负责检索包含给定查询的文档(称为相关文档),供后续模块从中抽取属性信息.目前,SF领域关于实体搜索的研究较少,使用的基于布尔逻辑的检索模型忽略了实体查询的特点,仅使用查询的词形信息,受限于查询歧义性,检索结果准确率较低.针对这一问题,该文提出一种基于跨文档实体共指消解(cross docu-ment coreference resolution,CDCR)的实体搜索模型.该方法通过对召回率较高但准确率较低的候选结果进行CDCR,过滤不包含与给定实体共指实体的文档,提高检索结果的准确率.为了降低过滤造成的召回率损失,该文使用伪相关反馈方法扩充查询实体的描述信息.实验结果显示,相比于基准系统,该方法能有效提升检索结果,准确率和F1分别提升5.63％ 、2.56％.

关键词：共指消解、伪相关反馈、实体搜索

所属期刊栏目：32

资助基金：国家自然科学基金61373097,61672367,61672368

在线出版日期：2018-07-02（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：89-96