典型文献
基于领域知识图谱的短文本实体链接
文献摘要：
实体链接任务是识别文本中潜在的实体指称,并将其链接到给定知识库中无歧义的实体上.在绝大多数情况下,实体链接可能存在中文短文本缺乏有效上下文信息,导致存在一词多义的歧义现象;同时候选链接过程中,候选实体的不确定相关性也影响候选实体链接精确性.针对上述两个问题,提出深度神经网络与关联图相结合的实体链接模型.模型添加字符特征、上下文、信息深层语义来增强指称和实体表示,并进行相似度匹配.利用Fast-newman算法将图谱知识库聚类划分不同类型实体簇,将相似度计算得分最高候选实体所属实体簇映射到关系平面,构建聚类实体关联图.利用偏向随机游走算法考查候选实体之间语义相关度,计算指称与候选实体的匹配程度,输入链接实体.该模型可以实现短文本到知识图谱目标实体的准确链接.
文献关键词：
实体链接;神经网络;关联图;相似度计算;语义相关
中图分类号：
作者姓名：
黄金杰;赵轩伟;张昕尧;马敬评;史宇奇
作者机构：
哈尔滨理工大学 自动化学院,哈尔滨 150080
文献出处：
引用格式：
[1]黄金杰;赵轩伟;张昕尧;马敬评;史宇奇-.基于领域知识图谱的短文本实体链接)[J].计算机工程与应用,2022(01):165-174
A类：
newman
B类：
领域知识图谱,短文本,实体链接,接任,指称,接到,知识库,上下文信息,一词多义,歧义现象,接过,精确性,深度神经网络,关联图,加字,字符,深层语义,相似度匹配,Fast,将相,相似度计算,属实,射到,随机游走算法,法考,考查,语义相关,相关度
AB值：
0.304414
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
