ParsEL 1.0:波斯语社交媒体文本中的无监督实体链接
计算与语言
2020-04-24 v1 信息检索
机器学习
摘要
近年来,社交媒体数据呈指数级增长,可被视为世界上最大的数据仓储之一。此类社交媒体数据的很大一部分是自然语言文本。然而,由于实体频繁出现且存在多义词或短语,自然语言具有高度歧义性。实体链接是将文本中的实体提及链接到知识库中相应实体的任务。近期,包含近五十万实体的波斯语知识图谱 FarsBase 被提出。本文中,我们提出一个无监督波斯语实体链接系统,这是首个专门聚焦于波斯语的实体链接系统,其利用了上下文相关与上下文无关特征。为此,我们还发布了首个波斯语实体链接语料库,包含 67,595 个词,爬取自 Telegram 通讯软件中若干热门频道的社交媒体文本。所提方法的输出在波斯语上达到 86.94% 的 f-score,与英语中类似的 SOTA 方法相当。
引用
@article{arxiv.2004.10816,
title = {ParsEL 1.0: Unsupervised Entity Linking in Persian Social Media Texts},
author = {Majid Asgari-Bidhendi and Farzane Fakhrian and Behrouz Minaei-Bidgoli},
journal= {arXiv preprint arXiv:2004.10816},
year = {2020}
}
备注
8 pages, 3 figures. ParsEL service (source code is available in github)