基于知识图谱的开放域问题实体发现与链接解决方案
计算与语言
2018-12-06 v1 信息检索
摘要
命名实体发现与链接是问答的基础和核心组件。在问题实体发现与链接(QEDL)问题中，传统方法面临挑战，因为短问题中多个实体难以被完整发现，且短文本中不完整的信息使实体链接难以实施。为克服这些困难，我们提出了一种基于知识图谱的QEDL解决方案，并开发了一个由问题实体发现(QED)模块和实体链接(EL)模块组成的系统。QED模块的方法是对两种方法的权衡与集成。一种是基于知识图谱检索的方法，可抽取问题中更多实体并保证召回率；另一种是基于条件随机场(CRF)的方法，提高了准确率。EL模块被视为排序问题，并利用语义相似度、文本相似度和实体流行度等特征的排序学习(LTR)方法来抽取并充分利用短文本中的信息。在一项共享QEDL评测任务的官方数据集上，我们的方法取得了QED的64.44% F1值和EL的64.86%准确率，排名第二，表明其对于QEDL问题具有实用价值。
引用
@article{arxiv.1812.01889,
title = {A Knowledge Graph Based Solution for Entity Discovery and Linking in Open-Domain Questions},
author = {Kai Lei and Bing Zhang and Yong Liu and Yang Deng and Dongyu Zhang and Ying Shen},
journal= {arXiv preprint arXiv:1812.01889},
year = {2018}
}