融合卷积神经网络和重启随机游走的实体链接方法

谭咏梅¹, 李晓光¹, 吕学强²

1. 北京邮电大学 智能科学与技术中心, 北京 100876;
2. 北京信息科技大学 网络文化与数字传播北京市重点实验室, 北京 100101

收稿日期:2017-07-03出版日期:2018-02-28发布日期:2018-01-04

作者简介:谭咏梅(1975-),女,副教授,E-mail:ymtan@bupt.edu.cn.
基金资助:国家自然科学基金面上项目（61671070）；网络文化与数字传播北京市重点实验室开放课题项目（ICDD201703）

An Entity Discover and Linking Approach Based on Convolutional Neural Network and Random Walk with Restart

TAN Yong-mei¹, LI Xiao-guang¹, LÜ Xue-qiang²

1. Intelligence Science and Technology Center, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. Beijing Key Laboratory of Internet Culture and Digital Dissemination Research, Beijing Information Science and Technology University, Beijing 100101, China

Received:2017-07-03Online:2018-02-28Published:2018-01-04

摘要/Abstract

摘要： 提出了一种融合卷积神经网络和重启随机游走的实体链接方法.该方法首先对文本中的指称进行识别，然后生成指称的候选实体集，随后使用融合卷积神经网络和重启随机游走的实体链接方法对候选实体进行选择，最后对在知识库中无对应实体的指称进行聚类.该方法在TAC-KBP2016的实体识别与链接评测数据集上的F_CEAFm值为0.652，2016年评测第1名的F_CEAFm为0.643，实验结果表明，使用融合卷积神经网络和重启随机游走的实体链接方法能够有效地进行实体链接.
中图分类号:
TN911.22

引用本文

谭咏梅, 李晓光, 吕学强. 融合卷积神经网络和重启随机游走的实体链接方法[J]. 北京邮电大学学报, 2018, 41(1): 65-69.
TAN Yong-mei, LI Xiao-guang, LÜ Xue-qiang. An Entity Discover and Linking Approach Based on Convolutional Neural Network and Random Walk with Restart[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2018, 41(1): 65-69.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3164