4、本体结构对实体链接的影响研究

递归诗人

于 2025-07-20 11:41:26 发布

阅读量22

点赞数

CC 4.0 BY-SA版权

分类专栏：元数据与语义研究：链接数据的新时代文章标签：实体链接本体结构知识无关方法

本文链接：https://blog.csdn.net/ol7890123/article/details/150633414

元数据与语义研究：链接数据的新时代专栏收录该内容

38 篇文章 ¥69.90 ¥99.00

订阅专栏

超级会员免费看

本体结构对实体链接的影响研究

1. 研究背景与相关工作

在实体链接任务中，若背景知识不基于维基百科链接结构，就难以计算候选实体的语义相关性。近年来，为避免对维基百科链接结构的依赖，出现了知识无关的方法。我们需要一种独立于知识库的语义相关性度量，以便在除维基百科之外的其他知识库中应用实体链接。

一些开放性领域的实体链接系统，如DBpedia Spotlight、Babelfy和WAT，采用全局一致性方法取得了显著成果。然而，开放性领域资源在建模特定领域知识库方面不够精准。特定领域知识库，如KnowLife和LinkedMDB可用于实体链接，但它们缺乏强大的链接结构。因此，知识无关的方法成为特定领域实体链接的一个发展方向。

多数实体链接研究在实体消歧步骤主要依赖维基百科链接结构。例如，TAGME利用维基百科锚文本进行提及检测，并基于维基百科链接结构的一致性方法对短文本进行即时标注；AIDA - light考虑全局一致性进行实体消歧，并利用YAGO2和维基百科领域层次结构先标注“简单标签”。

近年来，不依赖维基百科链接结构的知识无关方法逐渐兴起，且可在任何知识库中执行。AGDISTIS有独立于维基百科链接结构的方法，它使用命名实体识别工具检测网页中的提及，进行命名实体消歧，从表面形式选择候选实体并生成消歧图，利用基于图的HITS算法匹配最佳提及 - 实体对。RDF嵌入的实体消歧方法也取得了显著成果，DoSeR利用给定知识库生成的语义嵌入，通过个性化PageRank算法计算实体间的语义相似度。