| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> Combining Word and Entity Embeddings for Entity Linking -> 正文阅读 |
|
[人工智能]Combining Word and Entity Embeddings for Entity Linking |
Combining Word and Entity Embeddings for Entity Linking论文地址:https://perso.limsi.fr/bg/fichiers/2017/combining-word-entity-eswc2017.pdf (ESWC 2017) 1 Abstract论文针对 EL 的第二个阶段 candidate selection 提出了新的方法——在同一空间中,联合学习文本中的 word 和知识库 entity 的嵌入表示。 candiadate selection 是从候选实体中选出最优实体 作者提出该方法的优势有以下三点:
论文的贡献主要有以下几点
2 Combining Word and Entity Embedding2.1 Extended Anchor Text为了将 word embedding 和 entity embedding 包含在同一个空间中,作者引入了扩展锚文本 EAT 的概念。EAT 就是将锚文本 a i = ( w i , e j ) a_i = (w_i, e_j) ai?=(wi?,ej?) 替换成 a i ′ = ( w i ′ , e j ) a_{i}^{'} = (w_{i}^{'}, e_j) ai′?=(wi′?,ej?) 当 w i w_i wi? 不为空时, w i ′ = w i w_{i}^{'} = w_i wi′?=wi? 否则, w i ′ w_{i}^{'} wi′? 就是 e j e_j ej? 中词语构成的集合。句子中的 EAT 示例如下图所示: 2.2 The EAT Model引入 EAT 模型的目标是:在同一个向量空间中表示 word 和 entity 的嵌入表示, 类似于 word2vec 中的设置,作者定义了语料库中两个元素之间的条件概率,如下式: 当 c c c 是一个 word 时,上面的式子就与 word2vec 完全相同了,因此通过 EAT 模型进行 word 和 entity 的表示学习只需要调整语料库即可,以下图中的例子说明: 这样在扩展的语料库上,直接用 skip-gram 或 CBOW 就可以进行 word 和 entity 的表示学习了。 3 Entity Linking System3.1 Generation of Candidate Entities作者使用了启发式方法 mention 进行扩展,在文档中找到与 mention 相近的变体形式,规则如下:
然后作者使用以下策略生成候选实体:(以下 mention 表示本来的 mention 和上一步得到的变体形式)
3.2 Selection of the Best Candidate Entity该步骤是从 candidate 集合中选出最优的 entity 作为最终的链接目标,作者设计了四种特征,作为candidate 和 mention 的相似度度量,如下所示:
Textual similarity scores mention 记为
q
q
q ; entity candidate 记为
e
e
e ;定义三种文本如下:
q
q
q 出现的文档记为
d
(
q
)
d(q)
d(q),与
e
e
e 对应的 Wikipedia 页面为
w
(
e
)
w(e)
w(e) ,知识库中与
e
e
e 有关系的实体集合
r
(
e
)
r(e)
r(e) ;使用 tf-idf 计算出这三种文本的向量表示,例如:
d
(
q
)
=
(
d
1
,
.
.
.
,
d
n
)
d(q) = (d1, . . . , dn)
d(q)=(d1,...,dn) 其中
d
i
=
t
f
(
t
i
,
d
)
×
i
d
f
(
t
i
)
di =tf(ti,d)×idf(ti)
di=tf(ti,d)×idf(ti) ;文本相似度得分如下: E A T 1 ( e , p ( q ) ) = ∑ w i ∈ p ( q ) cos ? ( e , w i ) ∥ p ( q ) ∥ E A T 2 ( e , p ( q ) ) = cos ? ( e , ∑ w i ∈ p ( q ) w i ∥ p ( q ) ∥ ) EAT_{1}(e, p(q))=\frac{\sum_{w_{i} \in p(q)} \cos \left(\boldsymbol{e}, \boldsymbol{w}_{i}\right)}{\|p(q)\|} \quad EAT_{2}(e, p(q))=\cos \left(\boldsymbol{e}, \frac{\sum_{w_{i} \in p(q)} \boldsymbol{w}_{i}}{\|p(q)\|}\right) EAT1?(e,p(q))=∥p(q)∥∑wi?∈p(q)?cos(e,wi?)?EAT2?(e,p(q))=cos(e,∥p(q)∥∑wi?∈p(q)?wi??) E A T 3 ( e , p ( q ) ) = ∑ argmax ? w i ∈ p ( q ) ; i = 1 … k cos ? ( e , w i ) k E A T 4 ( e , w m ) = cos ? ( e , w m ) EAT_{3}(e, p(q))=\frac{\sum \operatorname{argmax}_{w_{i} \in p(q); i=1 \ldots k} \cos \left(\boldsymbol{e}, \boldsymbol{w}_{i}\right)}{k} \quad E A T_{4}\left(e, w_{m}\right)=\cos \left(\boldsymbol{e}, \boldsymbol{w}_{m}\right) EAT3?(e,p(q))=k∑argmaxwi?∈p(q);i=1…k?cos(e,wi?)?EAT4?(e,wm?)=cos(e,wm?) 其中 p ( q ) p(q) p(q) 指 q q q 的上句、当前句、下句;粗体表示 embedding; E A T 3 EAT_3 EAT3? 表示最相似的前 k 个词语的相似度均值。作者将 k 取为 3。 Classifier trained for candidate selection 训练一个二分类器判断是否为正确的 entity;训练的正样本为 mention-correct entity;训练的负样本为错误 candidate,但是由于正负样本分布很不平衡,所以用下采样的方法将负样本限制为正样本的十倍。 作者将没有 candidate generation和所有 candidate 都被分类器拒绝的mention视为NIL。 作者尝试了几种二分类器,最终选择 Adaboost 结合决策树的模型。 |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/1 9:19:24- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |