[發明專利]一種實體鏈接方法及裝置

有效

• 申請號: 201610091371.4
• 申請日: 2016-02-18
• 公開（公告）號: CN107092605B
• 公開（公告）日: 2019-12-31
• 發明（設計）人: 許茜;葉茂;任彩紅;徐劍波;湯幟
• 申請（專利權）人: 北大方正集團有限公司;北京大學;北京方正阿帕比技術有限公司
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F17/27
• 代理公司: 11002 北京路浩知識產權代理有限公司
• 代理人: 李相雨

本發明公開了一種實體鏈接方法及裝置，所述方法包括：獲取數字資源的待鏈接實體集合，對所述實體集合中的每個實體在給定知識庫中生成所述每個實體對應的候選實體集合；根據候選實體集合中每個候選實體的精確屬性、模糊屬性和相關實體，計算每個實體與該實體對應的候選實體集合中的每個候選實體的相關度；根據當前實體與其各候選實體的相關度大小和該實體對應的候選實體的數量，得到當前實體的鏈接實體。本發明根據實體的知識進行實體鏈接，提高了實體消歧的語義精確度，通過相關度進行量化處理，挖掘了同一文本內的實體之間的語義關系，能夠高效地從數字資源中獲取待鏈接實體并將其與給定知識庫中的實體進行鏈接。

技術領域

本發明涉及知識管理和數字出版領域，具體涉及一種實體鏈接方法及裝置。

背景技術

互聯網的迅猛發展使得數字資源隨處可見，接觸頻率最高的信息載體就是文字信息，如新聞、博客、評論等。同時，隨著生活節奏的加快，用戶對高效閱讀的需求更加強烈，數字資源內包含有大量具有明確語義信息的文本實體，如何在文本中高效地獲取出實體并加以利用是具有現實意義的事情。特別地，實體鏈接正是利用實體的流程中最為關鍵的步驟之一。例如，通過分析用戶瀏覽或者分享的數字資源來提取實體并進行知識庫鏈接，將鏈接過的實體作為關鍵字或者標簽,為用戶進行更精準的興趣建模；再如，在數字資源中增加針對實體的、用戶可能感興趣的內容鏈接，這些鏈接可能指向實體相關概念解釋或者指向另一篇以此實體為主題的新聞，從而提升用戶閱讀體驗。

現有的實體鏈接方法主要包括以下幾類：一類是根據具體應用制定一些特殊的規則進行語義消歧，該類方法在變換場景時很難取得較好的效果。第二類是基于文本中實體和鏈接的特點構造語義網絡，通過網絡節點的距離、出度、入度等作為特征進一步設計相似度衡量指標，從而實現語義消歧，該類方法在數據規模較大的時候，網絡的存儲開銷、訓練開銷都受到很大的限制。第三類方法考慮了實體的上下文情境，通過計算實體與周圍文本之間的語義相似度把實體描述鏈接到知識庫中的某個實體，該類方忽略了同一文本內的實體之間的語義關系。第四類是基于主題模型的實體鏈接方法，這種方法需要對數字資源進行主題建模，較為復雜。

然而目前隨著實體數量的激增，使得當前的實體鏈接技術越來越難以滿足人們對鏈接準確率的要求。如何高效地從數字資源中獲取待鏈接實體并將其與給定知識庫中的實體進行鏈接是當前需要解決的問題。

發明內容

鑒于當前的實體鏈接方法無法高效地從數字資源中獲取待鏈接實體并將其與給定知識庫中的實體進行鏈接的問題，本發明提出一種實體鏈接方法及裝置。

第一方面，本發明提出一種實體鏈接方法，包括：

獲取待鏈接的實體集合，對所述實體集合中的每個實體在給定知識庫中生成所述每個實體對應的候選實體集合；

根據候選實體集合中每個候選實體的精確屬性、模糊屬性和相關實體，計算每個實體與該實體對應的候選實體集合中的每個候選實體的相關度；

根據當前實體與其各候選實體的相關度大小和該實體對應的候選實體的數量，得到當前實體的鏈接實體。

優選地，所述根據當前實體與其各候選實體的相關度大小和該實體對應的候選實體的數量，得到當前實體的鏈接實體之后，還包括：

根據每個鏈接實體的相關實體集合，對數字資源進行補充實體鏈接。

優選地，所述根據候選實體集合中每個候選實體的精確屬性、模糊屬性和相關實體，計算每個實體與該實體對應的候選實體集合中的每個候選實體的相關度，包括：

根據每個候選實體的每個精確屬性，若當前精確屬性在數字資源中存在相似或相同的詞語，則當前實體與當前候選實體的相關度增加第一預設值；其中，當前實體與當前候選實體的相關度的初始值為0，當前候選實體的所有精確屬性計算結束后的相關度為第一相關度；