[发明专利]一种基于多域实体索引的实体链接方法

权利要求书

1.一种基于多域实体索引的实体链接方法，其特征在于：包括如下步骤：

(1)对知识库中每个实体建立多域索引

对每个实体收集其属性值对及关系对，将实体的属性及关系划分为名字域、属性域、出关系域和入关系域，分别在各个域为每个实体建立索引；名字域包括实体的name属性、label属性和title属性，将该些属性的名称及对应的值作为名字域的值进行索引；属性域包括实体除名字域包含的属性以外的所有属性，将该些属性的名称及对应的值作为属性域的值进行索引；出关系域收集本实体到其他实体的关系，将该关系的名称及其关联实体的类型和name属性值作为出关系域的值进行索引；入关系域收集其他实体到本实体的关系，将该关系的名称及其关联实体的类型和name属性值作为入关系域的值进行索引；

(2)产生候选实体

将待链接的实体指称m作为查询关键词，在知识库的名字域内进行搜索，得到实体指称m对应的候选实体集合E_m＝{e_i}，e_i表示第i个候选实体，i＝1,2,…,N，N为候选实体的总数；同时，对候选实体e_i名字域的值和实体指称m进行文本相似度得分LS(m,e_i)评价，根据文本相似度得分对所有候选实体进行排序；

(3)将候选实体e_i属性域、入关系域和出关系域的值中的单词转化为一个特征向量{prop.T_i1,prop.T_i2,prop.T_i3}，prop.T_i1表示候选实体e_i属性域的值中包含的所有单词，prop.T_i2表示候选实体e_i入关系域的值中包含的所有单词，prop.T_i3表示候选实体e_i出关系域的值中包含的所有单词；同时收集实体指称m所在句的所有单词m.T作为该实体指称的特征向量，计算{prop.T_i1,prop.T_i2,prop.T_i3}和m.T的余弦相似度作为候选实体e_i与实体指称m的上下文相似度得分CS(m,e_i)；

在候选实体e_i的入关系域中，统计知识库内其他实体到候选实体e_i的入关系次数num(e_i)，以得到候选实体e_i的流行度得分PS(e_i)；prop.T_i1、prop.T_i2、prop.T_i3和m.T均使用标准向量空间模型表示；

(4)将候选实体e_i使用由文本相似度得分LS(m,e_i)、上下文相似度得分CS(m,e_i)和流行度得分PS(e_i)构成的特征向量表示X_m(e_i)＝{LS(m,e_i),CS(m,e_i),PS(e_i)}，利用支持向量机模型进行权重向量W训练，S(m,e_i)＝WX_m(e_i)，根据S(m,e_i)对所有候选实体进行排序，最终将实体指称链接到得分最高的候选实体上，即：

其中，

所述步骤(3)中，候选实体e_i与实体指称m的上下文相似度得分计算过程为：

首先，分别计算prop.T_i1、prop.T_i2和prop.T_i3与m.T之间的余弦相似度：

然后，对三个余弦相似度进行加和：

将加和后的结果CS(m,e_i)作为候选实体e_i与实体指称m的上下文相似度得分。

2.根据权利要求1所述的基于多域实体索引的实体链接方法，其特征在于：所述步骤(3)中，实体指称m所在句的所有单词m.T包括该所有单词在词典WordNet中的同义词以及在语义网络ConceptNet中的相关词。

3.根据权利要求1所述的基于多域实体索引的实体链接方法，其特征在于：所述步骤(3)中，候选实体e_i的流行度PS(e_i)计算过程为：

其中，num(e_i)为在候选实体e_i的入关系域中，在知识库内统计到的其他实体到候选实体e_i的入关系次数。