[发明专利]一种基于图模型的实体链接方法

摘要

本发明公开了一种基于图模型的实体链接方法，主要用于处理非结构化文本的实体链接问题。本发明首先将同一文本中得到的所有实体指称项和相应的候选实体集合，构造出一张该文本的实体关联图，作为动态实体消歧算法的依据。然后利用基于图和PageRank的动态实体消歧算法，每轮挑选出最高得分的未消歧候选实体作为该实体指称的目标实体，逐步完成实体指称对应多个候选实体的消歧选择过程。最后使用机器学习领域中的XGBoost对实体指称的目标实体进行判断，将知识库中已登陆的目标实体正确链接，对知识库中未登录的目标实体正确识别。

主权项

1.一种基于图模型的实体链接方法，其特征在于，该方法包括以下步骤：1)离线数据处理，具体内容包括：一是对知识库中所有实体信息建立倒排索引，二是为知识库中每个实体进行向量化表示，具体为：1a)建立倒排索引：将存储在知识库中的实体信息包含标题、目录、信息框键值对及摘要，为每个实体构建一个Document对象，每个Document对象中包含标题，目录，信息框、摘要等field域；1b)实体向量化表示，具体步骤为：首先从RDF子图中得到同各个实体紧密相关的其他实体及其关系，将这些实体及关系转化为序列，然后基于得到的序列作为训练语料通过Word2Vec的Skip‑Gram神经语言模型训练，得到各实体的语义向量表示；2)候选实体生成，具体步骤为：首先对每个实体指称进行表层名字扩展，得到一个查询字符串列表，然后对列表中每个查询字符串从知识库索引中查找得到候选实体集合，最后将所有的候选实体集合进行合并；3)候选实体消歧：借助实体关联图，采用动态实体消歧算法实现输入文本中歧义实体的消歧，将其正确链接到本地知识库中的目标实体上，具体内容包括三个方面：计算候选实体间语义相似度，构建实体关联图以及基于图和PageRank的动态实体消歧；4)未登录实体检测：对步骤3)得到的实体消歧结果进行检测，将知识库未登录实体的实体指称对应的目标实体标记为新实体。