推文中的隐式实体链接
计算与语言
2017-07-27 v1 人工智能
摘要
多年来，Twitter 已成为最大的通信平台之一，为品牌监测、趋势检测等各种应用提供关键数据。实体链接是从推文中进行自然语言理解的主要任务之一，它将文本中的实体指称与知识库中的对应条目相关联，以提供明确的解释和额外的上下文。State-of-the-art 技术已成功集中于链接推文中显式提及的实体。然而，我们认为除了显式提及（例如：“电影《地心引力》比火星轨道飞行器任务花费更多”中的实体“电影《地心引力》”）之外，实体也可以被隐式提及（例如：“这部新太空电影太疯狂了。你一定要看！”）。本文介绍了推文中隐式实体链接的问题。我们提出了一种方法，通过利用实体的事实和上下文知识对实体进行建模。我们展示了如何在一个包含来自电影和书籍两个领域 397 条推文的真值数据集上使用这些模型执行隐式实体链接。具体而言，我们展示了：1) 链接隐式实体的重要性及其对标准实体链接任务的价值提升；2) 利用与实体相关的上下文知识来链接其隐式提及的重要性。我们还公开了该真值数据集，以促进这一新研究领域的发展。
引用
@article{arxiv.1707.08470,
title = {Implicit Entity Linking in Tweets},
author = {Sujan Perera and Pablo N. Mendes and Adarsh Alex and Amit Sheth and Krishnaprasad Thirunarayan},
journal= {arXiv preprint arXiv:1707.08470},
year = {2017}
}
备注
This paper was accepted at the Extended Semantic Web Conference 2016 as a full research track paper