TAILIEUCHUNG - Báo cáo khoa học: "A Generative Entity-Mention Model for Linking Entities with Knowledge Base"

Linking entities with knowledge base (entity linking) is a key issue in bridging the textual data with the structural knowledge base. Due to the name variation problem and the name ambiguity problem, the entity linking decisions are critically depending on the heterogenous knowledge of entities. In this paper, we propose a generative probabilistic model, called entitymention model, which can leverage heterogenous entity knowledge (including popularity knowledge, name knowledge and context knowledge) for the entity linking task. . | A Generative Entity-Mention Model for Linking Entities with Knowledge Base Xianpei Han Le Sun Institute of Software Chinese Academy of Sciences HaiDian District Beijing China. xianpei sunle @ Abstract Linking entities with knowledge base entity linking is a key issue in bridging the textual data with the structural knowledge base. Due to the name variation problem and the name ambiguity problem the entity linking decisions are critically depending on the heterogenous knowledge of entities. In this paper we propose a generative probabilistic model called entitymention model which can leverage heterogenous entity knowledge including popularity knowledge name knowledge and context knowledge for the entity linking task. In our model each name mention to be linked is modeled as a sample generated through a three-step generative story and the entity knowledge is encoded in the distribution of entities in document P e the distribution of possible names of a specific entity P s e and the distribution of possible contexts of a specific entity P c e . To find the referent entity of a name mention our method combines the evidences from all the three distributions P e P s e and P c e . Experimental results show that our method can significantly outperform the traditional methods. 1 Introduction In recent years due to the proliferation of knowledge-sharing communities like Wikipedia1 and the many research efforts for the automated knowledge base population from Web like the Read the Web2 project more and more large-scale knowledge bases are available. These knowledge bases contain rich knowledge about the world s entities their semantic properties and the semantic relations between each other. One of the most notorious examples is Wikipedia its 2010 English 1 http 2 http version contains more than 3 million entities and 20 million semantic relations. Bridging these knowledge bases with the textual data can facilitate many .

• Báo cáo khoa học
• A Generative Entity Mention Model
• Linking Entities
• Knowledge Base
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball