数字人文视野下的古汉语实体歧义研究

实体知识的自动识别是古文智能处理的重要内容,也是古文数字人文研究的技术支撑。以实体知识为基础的数字人文研究若不考虑古籍中普遍存在的实体歧义,将难以得到准确可靠的数据和结论。文章以《春秋经传引得》为文本语料,考察了语料中同名异指和异名同指两大类人名实体歧义,根据古文实体歧义消解的特殊性,提出两类歧义的消解方法和思路。研究基于实体语境和时间知识,构建了消歧规则并以先秦古汉语为实例进行了验证。上述方法在其他古汉语语料中的适用性值得进一步探究,基于消歧后的语料,文章呈现了先秦人物的基本全貌,表明了本研究的价值所在。

基于实体关联的消歧算法研究

随着移动互联网和云储存技术的高速发展,个人行为数据的多源性导致实体关联变得更加复杂。对于实体歧义问题,传统方法是通过文本向量或图节点的相似度计算实现消歧。本文把消歧问题转化成二分类问题,结合信令数据和ID-Mapping算法进行实体关联,依据实体关联的时空位置信息进行特征提取,最后采用机器学习模型进行实体消歧。通过准确率和查全率评估模型性能,实验结果表明模型的准确率最高可达79.01%,模型的查全率最高可达78.18%。

基于网络语义标签的多源知识库实体对齐算法

知识库是多种自然语言处理任务的重要数据资源,但单一知识库覆盖度低,不同知识库异构性强,不利于数据的共享和集成.因此,多源知识库融合技术的研究有着十分重要的意义.其中,多源知识库实体对齐是多源知识库融合技术中的重要组成部分.在语义万维网发展的推动下,国外开展了很多相关工作,大多适用于英文知识库,对于中文知识库的研究较少.出于对中文知识库融合的研究目的,该文提出了一种基于网络语义标签的多源知识库实体对齐算法.该算法综合利用属性标签、类别标签和非结构化文本关键词,对齐中文百科实体.经实验测试,该算法能够较好地解决多源知识库实体对齐问题,算法在近95%的准确率下,仍能保持近55%的较好的召回率,应用于实际系统中,满足了实际的多源知识库实体对齐应用需求.

CLEQS——基于知识图谱构建的跨语言实体查询系统

针对中英文知识图谱在实体规模和关系质量上存在很大差异的问题,提出了一个基于英文知识图谱YAGO构建的跨语言实体查询系统CLEQS,即在英文知识图谱中查询对应中文实体。CLEQS包含两个模块:实体消歧义模块和跨语言实体链接模块。首先,实体消歧义模块依据中文查询实体和上下文信息,准确地将中文实体映射到中文维基百科中的无歧义词条;然后,跨语言实体链接模块构造跨语言实体链接模型(RSVM),将中文维基百科与英文知识图谱中描述相同概念的实体进行链接;最后,形成一个实体关系网。首次提出跨语言实体查询问题,并获得了82.3%的查询准确度。CLEQS系统能够提供准确、高效的跨语言中文实体查询,还能够发现中英文知识图谱中未知的跨语言实体链接。

基于众包标签数据深度学习的命名实体消歧算法（英文）

命名实体消歧主要研究如何将存在歧义的文本描述映射到其对应知识库(例如Wikipedia)中的实体。本文结合群体智能(即群体用户生成的标签)和深度学习(即数据驱动学习),提出了在命名实体消歧过程中生成区别度更高的特征方法。具体来说,通过设计一个众包模型,学习文本描述或实体所对应"众包特征",然后利用"众包特征"对动态卷积神经网络(Dynamic convolutional neural network,DCNN)进行优化,最后用优化得到的DCNN来提取"深度众包特征",以此来解决传统命名实体消歧算法中单独依赖手工设计特征的不足。本文所提出方法巧妙将群体认知(由众包标签反映)结合到命名实体消歧深度学习框架中。实验分析表明,当有足够多众包标签时,所提出方法优于传统手工设计特征。