RESLVE：利用用户兴趣提升短文本实体消歧效果
信息检索
2013-04-10 v1 人机交互
摘要
我们针对社交网络上用户生成的短文本中的命名实体消歧 (NED) 问题进行了研究。在此类场景中，语言特征的缺乏和稀疏的词汇上下文导致了高度的歧义性，使得传统 NED 系统的准确率急剧下降近 50%。我们通过构建一个关于个人知识上下文的用户兴趣模型来应对这些挑战；并使用 Wikipedia 这一特别成熟可靠的知识库来实例化该过程。我们利用来自 Twitter、YouTube 和 Flickr 的个人帖子进行了系统评估，结果表明，我们的新技术能够实现超越最先进 (state-of-the-art) NED 方法的显著性能提升。
引用
@article{arxiv.1304.2401,
title = {RESLVE: Leveraging User Interest to Improve Entity Disambiguation on Short Text},
author = {Elizabeth L. Murnane and Bernhard Haslhofer and Carl Lagoze},
journal= {arXiv preprint arXiv:1304.2401},
year = {2013}
}