[发明专利]开放式信息抽取背景下一种基于维基百科的实体语义化方法

摘要

针对开放式信息抽取结果缺乏清晰语义的特性，本发明提出了一种基于维基百科的实体语义化方法。该方法将知识三元组中的字符串参数映射到外部知识库维基百科中的真实世界实体上，从而实现实体语义化。该研究思路优点有二：开放式信息抽取中具备相似谓语的知识三元组往往具备相似的域约束概率分布，以此特征融合多信息源特征，使方法具备很好的鲁棒性；以基于语义传播的相似性度量代替直接计算相似度，挖掘了维基百科实体之间深层次的关联。

主权项

1.开放式信息抽取背景下一种基于维基百科的实体语义化方法，将开放式信息抽取得到的三元组中的字符串参数映射到相应的维基百科实体，从而赋予其相应的语义，其特征在于：设E＝{(s1,p1,o1),…,(sn,pn,on)}为开放式信息抽取系统抽取的知识三元组集，S＝{s1,…,sn}为待语义化的字符串参数集，n表示三元组个数，集合中的元素si为待语义化的字符串参数，在不涉及下标时简写为s，表示知识三元组的主语，pi,oi为谓语和宾语，在不涉及下标时简写为p,o，T＝{t1,…,tm}为维基百科实体集，其中元素ti为维基百科实体，在不涉及下标时简写为t，则该映射的问题从数学上转化成以下最优化问题： T * ( s ) = argmax φ ( s , t ) t ∈ T ; s ∈ S ]]>其中，T*(s)表示字符串参数s最可能映射的维基百科实体，得分函数φ(s,t)表示三元组e∈E中字符串参数s∈S被正确映射到维基百科实体t∈T的可能性，求解该问题，即得映射结果。