使用上下文信息的语料库级细粒度实体分类
计算与语言
2016-06-28 v1
摘要
本文处理语料库级实体分类问题，即从大型语料库中推断一个实体是诸如“食物”或“艺术家”等类别的成员。我们感兴趣的实体分类应用是知识库补全，具体而言，是学习一个实体属于哪些类别。我们提出 FIGMENT 来解决此问题。FIGMENT 基于嵌入，并结合了 (i) 一个基于实体聚合上下文信息进行评分的全局模型，以及 (ii) 一个首先对实体的各个出现进行评分，然后聚合这些评分的上下文模型。在我们的评估中，FIGMENT 显著优于一种依赖开放信息抽取系统获得的关系进行实体分类的方法。
引用
@article{arxiv.1606.07901,
title = {Corpus-level Fine-grained Entity Typing Using Contextual Information},
author = {Yadollah Yaghoobzadeh and Hinrich Schütze},
journal= {arXiv preprint arXiv:1606.07901},
year = {2016}
}
备注
Accepted at EMNLP2015, Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing