График знаний (10): устранение неоднозначности сущностей (объединение, ассоциация, построение границ)

алгоритм
График знаний (10): устранение неоднозначности сущностей (объединение, ассоциация, построение границ)

1/ Сущности разнообразны и неоднозначны

多样性：同一实体在文本中会有不同的指称。eg：飞人、乔帮主、MJ都指美国篮球运动员迈克尔·乔丹
歧义性：相同的实体指称，但不是同一个实体。eg：迈克尔·乔丹指美国篮球运动员、爱尔兰政治家等

2/ Многозначность сущностей

按照目标实体是否给出，实体消歧系统可分为：
基于聚类的实体消歧和基于链接的实体消歧

Кластерная система устранения неоднозначности сущностей (нормализация)

目标实体没有给定（及核心集中还没有收录该实体），以聚类方式对实体指称项进行消歧。
所有指向同一个实体的指称项被消歧系统聚类到同一类别下，
聚类的结果中每一个类别对应一个实体。

Система устранения неоднозначности сущностей (ассоциация), основанная на связывании сущностей (ассоциация)

目标实体给定（及核心集中已经收录了该实体，则直接关联就可以了），
将实体指称项与目标实体列表中的对应实体进行链接实现消歧

3/ Метод устранения неоднозначности объекта на основе кластера (нормализация)

在未给定目标实体的情况下（及核心集中还没有收录该实体）
对于给定待消歧的实体指称集合A，以聚类方式实现消歧的系统按以下步骤进行消歧。

对于待消歧实体集合A中的每一个实体a，抽取其特征，并将其表示为特征向量a=w1,w2,w3,w4......  
计算待消歧实体指称项之间的相似度（关键），可由词间距离转换 余弦距离 欧式距离等衡量相似度。
    <1>基于表层特征的实体指称项相似度计算；
    <2>基于扩展特征的实体指称项相似度计算；
    <3>基于社会化网络的实体指称项相似度计算；
采用某种聚类算法对实体指称项聚类，使得聚类结果中每一个类别都对应于一个目标实体上。

Вычисление референтного подобия объекта на основе признаков поверхности

传统方法多利用表层特征计算相似度，这些方法通常是词袋模型（Bag of Words，BoW）模型的延伸，性能不好。
步骤：
特征表示：将实体指称项表示为 Term 向量形式，其中每个 Trem 的权重通常采用 TF-IDF 算法进行计算。
其他表示方法：上下文词向量、Bi-gram表示、句法和语义特征。。。
相似度计算：采用Cosine计算相似度
这类方法都是基于上下文表层特征的关联来计算它们之间的相似度，而没有考虑到上下文特征的内在关联，因此影响聚类效果。

Вычисление референтного сходства сущностей на основе расширенных функций

利用知识资源提升实体消歧的性能。
最直接的方法：使用知识资源来扩展实体指称项的特征表示。

通过抽取属性信息扩展指称项
通过上下文词和Wikipedia中的类别信息
层次化分类体系
结构化关联语义

Расчет схожести ссылки на объект на основе социальной сети

基于社会化网络的实体指称项相似度通常使用基于图的算法，能够充分利用社会化关系的传递性，从而考虑隐藏的关系知识，在某些情况下（特别是结构化数据，eg：论文记录、电影记录等）能够更为准确的实体指称项相似度计算结果。

缺点：只用到上下文中的实体信息，不能完全利用实体指称项的其他上下文信息，因此不能在文本消歧领域取得有竞争力的性能。

过程：

表示成社会化关系图 G = ( V , E ) G=(V,E)G=(V,E) ，其中实体指称项和实体均被表示为节点，节点之间的边表示它们之间的社会化关系。
相似度计算：通常采用图算法中的随机游走算法来计算.

4/ Метод устранения неоднозначности сущности, основанный на связывании сущности (ассоциации)

基于实体链接的实体消歧方法：
   将待消歧实体指称项链接到知识库中特定的实体，也称实体链接（Entity Linking）。
实体链接：将一个命名实体的文本指称项（Textual Mention）链接到知识库中对应实体的过程（若不存在对应实体，则将实体指称项链接到空实体NIL）

实体链接的输入包括两部分：
  （1）目标实体知识库：最常用Wikipedia，或特定领域知识库。
       知识库通常包括：实体表、实体的文本描述、实体的结构化信息（eg：属性/属性值对）、实体的辅助性信息（eg：实体类别）；也经常提供额外的结构化语义信息，eg：实体之间的关联
  （2）待消歧实体指称项及其上下文信息

步骤：
   (1)链接候选过滤（Blocking）：根据规则或知识过滤大部分指称项不可能指向的实体，仅仅保留少量链接实体候选。
   (2)实体链接（Linking）：给定指称项及其链接候选，确定该实体指称项最终指向的目标实体。（重点研究）
Категории