[发明专利]一种融合先验信息的命名实体链接方法

摘要

本发明公开了一种融合先验信息的命名实体链接方法。该方法包括如下步骤：(1)从Wikipedia data dump，Freebase data dump提取字符串‑候选实体表、人名列表、地名列表；(2)将Wikipedia data dump中的每篇文章表示为词频/逆文档频率tf‑idf特征，并提取每个字符串相对于候选实体的通用性特征；(3)对实体提及进行问询拓展，使用(1)中的字符串‑候选实体表，为实体提及生成候选实体；(4)抽取实体提及所在文章的特征，得到文章的逆文档频率以及重要词碰撞率；(5)使用(2)、(4)所提取的特征，计算实体提及与其各个候选实体之间的关联程度，并将关联程度最高的作为实体链接结果。本发明突破了语料缺乏的限制，为用户提供了可靠的实体链接推荐结果，其中实体通用性特征加入了先验信息。

主权项

1.一种融合先验信息的命名实体链接方法，其特征在于包括如下步骤：S1：从Wikipedia data dump、Freebase data dump中提取字符串‑候选实体表、人名列表和地名列表；S2：将Wikipedia data dump中的每篇文章表示为词频‑逆文档频率tf‑idf特征，提取其每个字符串相对于候选实体的通用性commoness特征并进行存储；S3：使用S1中得到的人名列表、地名列表作问询拓展，使用S1中得到的字符串‑候选实体表，为实体提及生成候选实体；S4：计算实体提及相对于候选实体的重要词碰撞率IWHR；S5：根据S2、S4中提取的tf‑idf特征、commoness特征、IWHR特征计算实体提及与其各个候选实体之间的关联程度，并将关联程度最高的作为实体链接结果。