文本中命名实体的鲁棒消歧

在自然语言文本中消歧命名实体，是指将模糊名称的提及映射到知识库（如DBpedia或YAGO）中注册的规范实体（如人物或地点）。本文提出了一种稳健的集体消歧方法，该方法利用知识库中的上下文信息，并引入一种新型的一致性图（coherence graph）结构。该方法将以往的多种方法统一到一个综合性框架中，综合考虑三个关键指标：实体被提及的先验概率、提及上下文与候选实体上下文之间的相似性，以及所有提及所对应候选实体之间的整体一致性。该方法构建一个加权图，其中包含提及项与候选实体，进而计算出一个稠密子图，以近似最优的联合提及-实体映射结果。实验结果表明，该新方法在准确率方面显著优于以往方法，并在多种输入条件下均表现出良好的鲁棒性。