从维基百科列表页中提取实体

在涉及广泛领域的实事知识时，维基百科通常是网络上最主要的信息来源。DBpedia 和 YAGO 作为大型跨领域知识图谱，通过为维基百科中的每个页面创建一个实体并以边连接它们，对该知识的一部分进行编码。然而，众所周知，基于维基百科的知识图谱远不完整。特别是，由于维基百科的政策仅允许为具有一定知名度的主题建立页面，此类图谱往往缺乏关于不太知名实体的信息。关于这些实体的信息通常在百科全书中可用，但并未以独立页面的形式呈现。在本文中，我们提出了一种两阶段方法，用于从已被证明是宝贵信息来源的维基百科列表页中提取实体。在第一阶段，我们以 DBpedia 为骨干，从分类和列表页构建大型分类法。通过远程监督，我们提取用于识别列表页中新实体的训练数据，并在第二阶段用于训练分类模型。通过该方法，我们提取了超过 70 万个新实体，并以高精度为 DBpedia 扩展了 750 万条新类型语句和 380 万条新事实。