Biblioteca122.294 documentos en línea

Artículo

A Knowledge Graph Entity Disambiguation Method Based on Entity-Relationship Embedding and Graph Structure EmbeddingUn método de desambiguación de entidades del grafo de conocimiento basado en la incrustación de relaciones de entidades y la incrustación de estructuras de grafos

Resumen

El propósito de la desambiguación de entidades en el grafo de conocimiento es hacer coincidir las entidades ambiguas con las entidades correspondientes en el grafo de conocimiento. Los métodos actuales de eliminación de la ambigüedad de entidades suelen utilizar la información de contexto de la entidad y sus atributos para obtener el vector de incrustación de la mención, compararlo con el vector de incrustación de la entidad candidata por similitud, y realizar la correspondencia de la entidad a través de la similitud. La desventaja de este tipo de método es que ignora las características estructurales del grafo de conocimiento donde se encuentra la entidad, es decir, la conexión entre la entidad y el ente, y por tanto no puede obtener las características semánticas globales de la entidad. Para mejorar la precisión y la recuperación de los problemas de desambiguación de entidades, proponemos el método EDEGE (Entity Disambiguation based on Entity and Graph Embedding), que utiliza el vector de incrustación semántica de la relación de la entidad y el vector de incrustación de la característica de la estructura del subgrafo. EDEGE entrena primero el vector semántico de la relación de la entidad, luego entrena el vector de la estructura del subgrafo donde se encuentra la entidad, y equilibra los pesos de estos dos vectores mediante la función de similitud de la entidad. Por último, el vector equilibrado se introduce en la red neuronal de grafos y se obtiene la correspondencia entre las entidades para lograr la desambiguación de las mismas. Los amplios resultados experimentales demuestran la eficacia del método propuesto. Entre ellos, en el conjunto de datos ACE2004, los valores de Precisión, Recuperación y F1 de EDEGE son un 9,2%, un 7% y un 11,2% superiores a los métodos de referencia.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento