[发明专利]一种基于多域实体索引的实体链接方法

摘要

本发明公开了一种基于多域实体索引的实体链接方法，包含两个主要步骤：(1)对知识库中实体建立多域索引。(2)基于多域索引筛选候选实体及利用上下文相似度得分及流行度得分对候选实体重新排序并将实体指称链接到得分最高实体上。本发明不需基于别名词典进行候选实体的查找，而是针对知识库实体的不同属性(关系)分域建立索引，通过对名字域搜索得到与实体指称匹配的候选实体；对于初步筛选出的候选实体，利用其他域索引的信息计算候选实体的上下文得分和流行度得分，对候选实体重新排序并将实体指称链接到得分最高的候选实体上。

主权项

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。