基于混合卷积网络的短文本实体消歧

姜丽婷，古丽拉·阿东别克，马雅静

(1. 新疆大学 信息科学与工程学院，新疆 乌鲁木齐830046；2. 新疆多语种信息技术实验室，新疆 乌鲁木齐830046;3. 国家语言资源监测与研究少数民族语言中心 哈萨克和柯尔克孜语文基地，新疆 乌鲁木齐830046)

0 引言

随着互联网技术的飞速发展与普及，网络文本呈现出爆炸式增长的趋势，大量短文本、不规范的实体命名以及实体上下文短缺给实体消歧带来了巨大的挑战。实体消歧的结果对信息检索[1]、智能问答[2]等一系列自然语言处理任务具有重要意义。因此，如何在面临上述困难的情况下取得较好实体消歧结果备受科研者关注。

实体消歧(Entity Disambiguation，ED)是将自然语言文本中存在歧义的实体正确地连接到外部知识库的工程。目前的实体消歧任务分为两种类型: 基于聚类的实体消歧方法和基于实体链接的实体消歧方法[3]。基于聚类的方法面对的是目标实体列表没有给定的情况，而基于实体链接的方法可以将待消歧的实体映射到外部知识库对应的候选实体集合中，本文主要针对后者进行研究。

随着后续智能问答等任务对知识图谱的要求越来越高，单靠早期的实体聚类消歧已经不能满足任务的需要，现在的主流方法是实体链接消歧。实体链接消歧的本质是计算实体指称项与候选实体的相似度，选择相似度最大的候选实体作为链接的目标实体[4]。郭剑毅等[5]提出融合词向量和主题模型的领域实体消歧方法，结合文档全局上下文信息和文档局部上下文信息，分别计算上下文相似度、类别指称相似度、领域主题关键字相似度，并进行融合，选择相似度高的作为消歧结果。……