本發(fā)明涉及知識(shí)管理和數(shù)字出版領(lǐng)域，具體涉及一種實(shí)體鏈接方法及裝置。

背景技術(shù)：

互聯(lián)網(wǎng)的迅猛發(fā)展使得數(shù)字資源隨處可見(jiàn)，接觸頻率最高的信息載體就是文字信息，如新聞、博客、評(píng)論等。同時(shí)，隨著生活節(jié)奏的加快，用戶對(duì)高效閱讀的需求更加強(qiáng)烈，數(shù)字資源內(nèi)包含有大量具有明確語(yǔ)義信息的文本實(shí)體，如何在文本中高效地獲取出實(shí)體并加以利用是具有現(xiàn)實(shí)意義的事情。特別地，實(shí)體鏈接正是利用實(shí)體的流程中最為關(guān)鍵的步驟之一。例如，通過(guò)分析用戶瀏覽或者分享的數(shù)字資源來(lái)提取實(shí)體并進(jìn)行知識(shí)庫(kù)鏈接，將鏈接過(guò)的實(shí)體作為關(guān)鍵字或者標(biāo)簽,為用戶進(jìn)行更精準(zhǔn)的興趣建模；再如，在數(shù)字資源中增加針對(duì)實(shí)體的、用戶可能感興趣的內(nèi)容鏈接，這些鏈接可能指向?qū)嶓w相關(guān)概念解釋或者指向另一篇以此實(shí)體為主題的新聞，從而提升用戶閱讀體驗(yàn)。

現(xiàn)有的實(shí)體鏈接方法主要包括以下幾類：一類是根據(jù)具體應(yīng)用制定一些特殊的規(guī)則進(jìn)行語(yǔ)義消歧，該類方法在變換場(chǎng)景時(shí)很難取得較好的效果。第二類是基于文本中實(shí)體和鏈接的特點(diǎn)構(gòu)造語(yǔ)義網(wǎng)絡(luò)，通過(guò)網(wǎng)絡(luò)節(jié)點(diǎn)的距離、出度、入度等作為特征進(jìn)一步設(shè)計(jì)相似度衡量指標(biāo)，從而實(shí)現(xiàn)語(yǔ)義消歧，該類方法在數(shù)據(jù)規(guī)模較大的時(shí)候，網(wǎng)絡(luò)的存儲(chǔ)開(kāi)銷(xiāo)、訓(xùn)練開(kāi)銷(xiāo)都受到很大的限制。第三類方法考慮了實(shí)體的上下文情境，通過(guò)計(jì)算實(shí)體與周?chē)谋局g的語(yǔ)義相似度把實(shí)體描述鏈接到知識(shí)庫(kù)中的某個(gè)實(shí)體，該類方忽略了同一文本內(nèi)的實(shí)體之間的語(yǔ)義關(guān)系。第四類是基于主題模型的實(shí)體鏈接方法，這種方法需要對(duì)數(shù)字資源進(jìn)行主題建模，較為復(fù)雜。

然而目前隨著實(shí)體數(shù)量的激增，使得當(dāng)前的實(shí)體鏈接技術(shù)越來(lái)越難以滿足人們對(duì)鏈接準(zhǔn)確率的要求。如何高效地從數(shù)字資源中獲取待鏈接實(shí)體并將其與給定知識(shí)庫(kù)中的實(shí)體進(jìn)行鏈接是當(dāng)前需要解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

鑒于當(dāng)前的實(shí)體鏈接方法無(wú)法高效地從數(shù)字資源中獲取待鏈接實(shí)體并將其與給定知識(shí)庫(kù)中的實(shí)體進(jìn)行鏈接的問(wèn)題，本發(fā)明提出一種實(shí)體鏈接方法及裝置。

第一方面，本發(fā)明提出一種實(shí)體鏈接方法，包括：

獲取待鏈接的實(shí)體集合，對(duì)所述實(shí)體集合中的每個(gè)實(shí)體在給定知識(shí)庫(kù)中生成所述每個(gè)實(shí)體對(duì)應(yīng)的候選實(shí)體集合；

根據(jù)候選實(shí)體集合中每個(gè)候選實(shí)體的精確屬性、模糊屬性和相關(guān)實(shí)體，計(jì)算每個(gè)實(shí)體與該實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的每個(gè)候選實(shí)體的相關(guān)度；

根據(jù)當(dāng)前實(shí)體與其各候選實(shí)體的相關(guān)度大小和該實(shí)體對(duì)應(yīng)的候選實(shí)體的數(shù)量，得到當(dāng)前實(shí)體的鏈接實(shí)體。

優(yōu)選地，所述根據(jù)當(dāng)前實(shí)體與其各候選實(shí)體的相關(guān)度大小和該實(shí)體對(duì)應(yīng)的候選實(shí)體的數(shù)量，得到當(dāng)前實(shí)體的鏈接實(shí)體之后，還包括：

根據(jù)每個(gè)鏈接實(shí)體的相關(guān)實(shí)體集合，對(duì)數(shù)字資源進(jìn)行補(bǔ)充實(shí)體鏈接。

優(yōu)選地，所述根據(jù)候選實(shí)體集合中每個(gè)候選實(shí)體的精確屬性、模糊屬性和相關(guān)實(shí)體，計(jì)算每個(gè)實(shí)體與該實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的每個(gè)候選實(shí)體的相關(guān)度，包括：

根據(jù)每個(gè)候選實(shí)體的每個(gè)精確屬性，若當(dāng)前精確屬性在數(shù)字資源中存在相似或相同的詞語(yǔ)，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加 第一預(yù)設(shè)值；其中，當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度的初始值為0，當(dāng)前候選實(shí)體的所有精確屬性計(jì)算結(jié)束后的相關(guān)度為第一相關(guān)度；

根據(jù)每個(gè)候選實(shí)體的每個(gè)模糊屬性，若當(dāng)前模糊屬性在數(shù)字資源中存在相同的詞語(yǔ)，或存在相似的詞語(yǔ)且精確屬性的數(shù)量大于第二預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.5倍的第一預(yù)設(shè)值；若當(dāng)前模糊屬性在數(shù)字資源中存在相似的詞語(yǔ)且精確屬性的數(shù)量小于等于第二預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度根據(jù)以下公式一計(jì)算得到：

公式一

其中，si,j表示當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度，o表示當(dāng)前候選實(shí)體的精確屬性的數(shù)量，score表示第一預(yù)設(shè)值，σ表示第二預(yù)設(shè)值；

根據(jù)每個(gè)候選實(shí)體的每個(gè)相關(guān)實(shí)體，若當(dāng)前相關(guān)實(shí)體在數(shù)字資源中存在相同的詞語(yǔ)且所述第一相關(guān)度大于等于所述第一預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.5倍的第一預(yù)設(shè)值；若當(dāng)前相關(guān)實(shí)體在數(shù)字資源中存在相同的詞語(yǔ)且所述第一相關(guān)度小于所述第一預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.25倍的第一預(yù)設(shè)值。

優(yōu)選地，所述根據(jù)當(dāng)前實(shí)體與其各候選實(shí)體的相關(guān)度大小和該實(shí)體對(duì)應(yīng)的候選實(shí)體的數(shù)量，得到當(dāng)前實(shí)體的鏈接實(shí)體，包括：

若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量為0，則當(dāng)前實(shí)體的鏈接實(shí)體為空；

若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量為1且當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度大于等于3倍的第一預(yù)設(shè)值，則當(dāng)前實(shí)體的鏈接實(shí)體為當(dāng)前候選實(shí)體；

若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量大于1且當(dāng)前實(shí)體包含相關(guān)度大于等于3倍的第一預(yù)設(shè)值的候選實(shí)體，則當(dāng)前實(shí)體的鏈接實(shí)體為相關(guān)度最大的候選實(shí)體。

優(yōu)選地，所述根據(jù)每個(gè)鏈接實(shí)體的相關(guān)實(shí)體集合，對(duì)數(shù)字資源進(jìn)行補(bǔ)充實(shí)體鏈接，包括：

獲取所有鏈接實(shí)體的相關(guān)實(shí)體，若數(shù)字資源中存在與當(dāng)前相關(guān)實(shí)體相同的字符串且該字符串長(zhǎng)度大于2，或該字符串長(zhǎng)度小于等于2且當(dāng)前相關(guān)實(shí)體與該字符串的相關(guān)度大于等于3倍的第一預(yù)設(shè)值，則將該字符串與當(dāng)前相關(guān)實(shí)體進(jìn)行鏈接。

第二方面，本發(fā)明還提出一種實(shí)體鏈接裝置，包括：

候選實(shí)體生成模塊，用于獲取待鏈接的實(shí)體集合，對(duì)所述實(shí)體集合中的每個(gè)實(shí)體在給定知識(shí)庫(kù)中生成所述每個(gè)實(shí)體對(duì)應(yīng)的候選實(shí)體集合；

相關(guān)度計(jì)算模塊，用于根據(jù)候選實(shí)體集合中每個(gè)候選實(shí)體的精確屬性、模糊屬性和相關(guān)實(shí)體，計(jì)算每個(gè)實(shí)體與該實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的每個(gè)候選實(shí)體的相關(guān)度；

鏈接實(shí)體獲取模塊，用于根據(jù)當(dāng)前實(shí)體與其各候選實(shí)體的相關(guān)度大小和該實(shí)體對(duì)應(yīng)的候選實(shí)體的數(shù)量，得到當(dāng)前實(shí)體的鏈接實(shí)體。

優(yōu)選地，還包括：

補(bǔ)充鏈接實(shí)體獲取模塊，用于根據(jù)每個(gè)鏈接實(shí)體的相關(guān)實(shí)體集合，對(duì)數(shù)字資源進(jìn)行補(bǔ)充實(shí)體鏈接。

優(yōu)選地，所述相關(guān)度計(jì)算模塊包括：

精確屬性計(jì)算單元，用于根據(jù)每個(gè)候選實(shí)體的每個(gè)精確屬性，若當(dāng)前精確屬性在數(shù)字資源中存在相似或相同的詞語(yǔ)，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加第一預(yù)設(shè)值；其中，當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度的初始值為0，當(dāng)前候選實(shí)體的所有精確屬性計(jì)算結(jié)束后的相關(guān)度為第一相關(guān)度；

模糊屬性計(jì)算單元，用于根據(jù)每個(gè)候選實(shí)體的每個(gè)模糊屬性，若當(dāng)前模糊屬性在數(shù)字資源中存在相同的詞語(yǔ)，或存在相似的詞語(yǔ)且精確屬性的數(shù)量大于第二預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.5倍的第一預(yù)設(shè)值；若當(dāng)前模糊屬性在數(shù)字資源中存在相似的詞語(yǔ)且精確屬性的數(shù)量小于等于第二預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度根據(jù)以下公式一計(jì)算得到：

公式一

其中，si,j表示當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度，o表示當(dāng)前候選實(shí)體的精確屬性的數(shù)量，score表示第一預(yù)設(shè)值，σ表示第二預(yù)設(shè)值；

相關(guān)實(shí)體計(jì)算單元，用于根據(jù)每個(gè)候選實(shí)體的每個(gè)相關(guān)實(shí)體，若當(dāng)前相關(guān)實(shí)體在數(shù)字資源中存在相同的詞語(yǔ)且所述第一相關(guān)度大于等于所述第一預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.5倍的第一預(yù)設(shè)值；若當(dāng)前相關(guān)實(shí)體在數(shù)字資源中存在相同的詞語(yǔ)且所述第一相關(guān)度小于所述第一預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.25倍的第一預(yù)設(shè)值。

優(yōu)選地，所述鏈接實(shí)體獲取模塊包括：

第一鏈接實(shí)體獲取單元，用于判斷若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量為0，則當(dāng)前實(shí)體的鏈接實(shí)體為空；

第二鏈接實(shí)體獲取單元，用于判斷若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量為1且當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度大于等于3倍的第一預(yù)設(shè)值，則當(dāng)前實(shí)體的鏈接實(shí)體為當(dāng)前候選實(shí)體；

第三鏈接實(shí)體獲取單元，用于判斷若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量大于1且當(dāng)前實(shí)體包含相關(guān)度大于等于3倍的第一預(yù)設(shè)值的候選實(shí)體，則當(dāng)前實(shí)體的鏈接實(shí)體為相關(guān)度最大的候選實(shí)體。

優(yōu)選地，所述補(bǔ)充鏈接實(shí)體獲取模塊用于獲取所有鏈接實(shí)體的相關(guān)實(shí)體，若數(shù)字資源中存在與當(dāng)前相關(guān)實(shí)體相同的字符串且該字符串長(zhǎng)度大于2，或該字符串長(zhǎng)度小于等于2且當(dāng)前相關(guān)實(shí)體與該字符串的相關(guān)度大于等于3倍的第一預(yù)設(shè)值，則將該字符串與當(dāng)前相關(guān)實(shí)體進(jìn)行鏈接。

由上述技術(shù)方案可知，本發(fā)明根據(jù)實(shí)體的知識(shí)進(jìn)行實(shí)體鏈接，提高了實(shí)體消歧的語(yǔ)義精確度，通過(guò)相關(guān)度進(jìn)行量化處理，挖掘了同一文本內(nèi)的實(shí)體之間的語(yǔ)義關(guān)系，能夠高效地從數(shù)字資源中獲取待鏈接實(shí)體并將其與給定知識(shí)庫(kù)中的實(shí)體進(jìn)行鏈接。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些圖獲得其他的附圖。

圖1為本發(fā)明一實(shí)施例提供的一種實(shí)體鏈接方法的流程示意圖；

圖2為本發(fā)明一實(shí)施例提供的一種實(shí)體鏈接方法的流程示意圖；

圖3為本發(fā)明一實(shí)施例提供的一種計(jì)算相關(guān)度的流程示意圖；

圖4為本發(fā)明一實(shí)施例提供的一種補(bǔ)充鏈接的流程示意圖；

圖5為本發(fā)明一實(shí)施例提供的一種實(shí)體鏈接裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖，對(duì)發(fā)明的具體實(shí)施方式作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說(shuō)明本發(fā)明的技術(shù)方案，而不能以此來(lái)限制本發(fā)明的保護(hù)范圍。

本發(fā)明涉及的基本定義和概念如下：

(1)用戶字典是由習(xí)慣用語(yǔ)、縮略語(yǔ)和新詞組成的詞語(yǔ)集合，定義為userlib＝{e1,e2,…,er}，其中ei，i＝1,…,r表示一個(gè)詞或短語(yǔ)。

(2)停用詞表是由標(biāo)點(diǎn)符號(hào)及數(shù)字資源中的無(wú)意義詞等組成的詞語(yǔ)集合，定義為stopwords＝{w1,w2,…,ws}，其中wi，i＝1,…,s表示一個(gè)詞、標(biāo)點(diǎn)符號(hào)或短語(yǔ)。

(3)停用詞性是由功能詞性構(gòu)成的集合，定義為stopspeeches＝{s1,s2,…,st}，其中si，i＝1,…,t表示一種功能詞性，如語(yǔ)氣詞、助詞等。

(4)加載用戶詞典對(duì)數(shù)字資源進(jìn)行分詞，并利用停用詞表及詞性對(duì)分詞結(jié)果進(jìn)行去噪后，所得到的詞語(yǔ)集合定義為t＝{term1,term2,…,termn}，其中termi，i＝1,…,n表示第i個(gè)意義詞。

(5)給定知識(shí)庫(kù)中的實(shí)體包含精確屬性、模糊屬性和相關(guān)實(shí)體等知識(shí)。精確屬性集a＝{a1,a2,…,ao}，精確屬性個(gè)數(shù)為o；模糊屬性集b＝{b1,b2,…,bp}，模糊屬性個(gè)數(shù)為p；相關(guān)實(shí)體集r＝{r1,r2,…,rq}，相關(guān)實(shí)體個(gè)數(shù)為q。其中，模糊屬性由精確屬性利用相關(guān)技術(shù)獲取得到。

(6)待鏈接實(shí)體指稱的上下文與實(shí)體知識(shí)越匹配，則越可能鏈接到對(duì)應(yīng)實(shí)體。

(7)詞語(yǔ)terma與termb的相似度s定義為terma的詞向量va與termb的詞向量vb的內(nèi)積。若s＝1，則terma與termb相同；若θ<s<1(θ為閾值，θ＝0.85)，則terma與termb相似。

圖1示出了本發(fā)明一實(shí)施例提供的一種實(shí)體鏈接方法，包括：

s1、獲取數(shù)字資源的待鏈接實(shí)體集合，對(duì)所述實(shí)體集合中的每個(gè)實(shí)體在給定知識(shí)庫(kù)中生成所述每個(gè)實(shí)體對(duì)應(yīng)的候選實(shí)體集合；

s2、根據(jù)候選實(shí)體集合中每個(gè)候選實(shí)體的精確屬性、模糊屬性和相關(guān)實(shí)體，計(jì)算每個(gè)實(shí)體與該實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的每個(gè)候選實(shí)體的相關(guān)度；

s3、根據(jù)當(dāng)前實(shí)體與其各候選實(shí)體的相關(guān)度大小和該實(shí)體對(duì)應(yīng)的候選實(shí)體的數(shù)量，得到當(dāng)前實(shí)體的鏈接實(shí)體。

本實(shí)施例根據(jù)實(shí)體的知識(shí)進(jìn)行實(shí)體鏈接，提高了實(shí)體消歧的語(yǔ)義精確度，通過(guò)相關(guān)度進(jìn)行量化處理，挖掘了同一文本內(nèi)的實(shí)體之間的語(yǔ)義關(guān)系，能夠高效地從數(shù)字資源中獲取待鏈接實(shí)體并將其與給定知識(shí)庫(kù)中的實(shí)體進(jìn)行鏈接。

作為本實(shí)施例的優(yōu)選方案，還包括：

s4、根據(jù)每個(gè)鏈接實(shí)體的相關(guān)實(shí)體集合，對(duì)數(shù)字資源進(jìn)行補(bǔ)充實(shí)體鏈接。

通過(guò)對(duì)數(shù)字資源進(jìn)行補(bǔ)充鏈接，能夠挖掘同一文本內(nèi)的實(shí)體之間的語(yǔ)義關(guān)系。

具體地，s2包括：

根據(jù)每個(gè)候選實(shí)體的每個(gè)精確屬性，若當(dāng)前精確屬性在數(shù)字資源中存在相似或相同的詞語(yǔ)，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加第一預(yù)設(shè)值；其中，當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度的初始值為0，當(dāng)前候選實(shí)體的所有精確屬性計(jì)算結(jié)束后的相關(guān)度為第一相關(guān)度；

根據(jù)每個(gè)候選實(shí)體的每個(gè)模糊屬性，若當(dāng)前模糊屬性在數(shù)字資源中存在相同的詞語(yǔ)，或存在相似的詞語(yǔ)且精確屬性的數(shù)量大于第二預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.5倍的第一預(yù)設(shè)值；若當(dāng)前模糊屬性在數(shù)字資源中存在相似的詞語(yǔ)且精確屬性的數(shù)量小于等于第二預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度根據(jù)以下公式一計(jì)算得到：

公式一

其中，si,j表示當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度，o表示當(dāng)前候選實(shí)體的精確屬性的數(shù)量，score表示第一預(yù)設(shè)值，σ表示第二預(yù)設(shè)值；

根據(jù)每個(gè)候選實(shí)體的每個(gè)相關(guān)實(shí)體，若當(dāng)前相關(guān)實(shí)體在數(shù)字資源中存在相同的詞語(yǔ)且所述第一相關(guān)度大于等于所述第一預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.5倍的第一預(yù)設(shè)值；若當(dāng)前相關(guān)實(shí)體在數(shù)字資源中存在相同的詞語(yǔ)且所述第一相關(guān)度小于所述第一預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.25倍的第一預(yù)設(shè)值。

通過(guò)將相似和相同詞語(yǔ)進(jìn)行區(qū)別對(duì)待，增強(qiáng)實(shí)體相關(guān)度計(jì)算的語(yǔ)義信息。

進(jìn)一步地，s3包括：

若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量為0，則當(dāng)前實(shí)體的鏈接實(shí)體為空；

若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量為1且當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度大于等于3倍的第一預(yù)設(shè)值，則當(dāng)前實(shí)體的鏈接實(shí)體為當(dāng)前候選實(shí)體；

若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量大于1且當(dāng)前實(shí)體包含相關(guān)度大于等于3倍的第一預(yù)設(shè)值的候選實(shí)體，則當(dāng)前實(shí)體的鏈接實(shí)體為相關(guān)度最大的候選實(shí)體。

更進(jìn)一步地，s4包括：

獲取所有鏈接實(shí)體的相關(guān)實(shí)體，若知識(shí)庫(kù)中存在與當(dāng)前相關(guān)實(shí)體相同的字符串且該字符串長(zhǎng)度大于2，或該字符串長(zhǎng)度小于等于2且當(dāng)前相關(guān)實(shí)體與該字符串的相關(guān)度大于等于3倍的第一預(yù)設(shè)值，則將該字符串與當(dāng)前相關(guān)實(shí)體進(jìn)行鏈接。

本實(shí)施例提供的實(shí)體鏈接方法主要包括以下步驟，如圖2所示：

a1、將數(shù)字資源，一篇有格式或無(wú)格式的文本文檔，利用分詞、 詞性標(biāo)注等技術(shù)抽取出其所包含的待鏈接實(shí)體指稱集合e。對(duì)e中的每個(gè)實(shí)體ei∈e在給定知識(shí)庫(kù)中生成其候選實(shí)體集合

將給定知識(shí)庫(kù)中所有實(shí)體的名稱加入用戶字典userlib。取t中的名詞構(gòu)成待鏈接實(shí)體指稱集合e。對(duì)知識(shí)庫(kù)中擁有多個(gè)名稱的實(shí)體，通過(guò)同義詞表建立待鏈接實(shí)體指稱與候選實(shí)體的映射。

a2、對(duì)ei的每個(gè)候選實(shí)體ei，j利用詞向量結(jié)合ei，j的精確屬性、模糊屬性以及相關(guān)實(shí)體來(lái)計(jì)算ei與ei,j的相關(guān)度。

詞向量由給定知識(shí)庫(kù)的相關(guān)語(yǔ)料訓(xùn)練得到并進(jìn)行歸一化處理。

對(duì)給定知識(shí)庫(kù)中實(shí)體的精確屬性、模糊屬性、相關(guān)實(shí)體根據(jù)各自不同的生成方式設(shè)置不同的分?jǐn)?shù)。每個(gè)精確屬性的分?jǐn)?shù)設(shè)置為score(score＝2)。

設(shè)ei與ei,j的相關(guān)度為si,j，初始值為0。如圖3所示，其計(jì)算方法為步驟如下：

(1)對(duì)ei,j的每個(gè)精確屬性a，遍歷數(shù)字資源詞語(yǔ)集合t中的每個(gè)termi，若termi與a相似或相同，令si,j＝si,j+score；

(2)對(duì)ei,j的每個(gè)模糊屬性b，遍歷數(shù)字資源詞語(yǔ)集合t中的每個(gè)termi，若termi與b相同，令si,j＝si,j+score/2；若termi與b相似，精確屬性個(gè)數(shù)o>σ(σ為閾值，模糊屬性基于精確屬性生成，σ反映模糊屬性的可信度，σ＝20)，令si,j＝si,j+score/2；若termi與b相似，精確屬性個(gè)數(shù)o≤σ，根據(jù)公式一計(jì)算si,j；

(3)對(duì)ei,j的每個(gè)相關(guān)實(shí)體r，遍歷數(shù)字資源詞語(yǔ)集合t中的每個(gè)termi，若termi與r相同，且通過(guò)步驟(1)遍歷精確屬性后得到的si,j不小于score，令si,j＝si,j+score/2；若termi與r相同，但通過(guò)遍歷精確屬性后得到的si,j小于score，令si,j＝si,j+score/4。

a3、根據(jù)ei與候選實(shí)體集合中各候選實(shí)體ei,j的相關(guān)度si,j進(jìn) 行實(shí)體鏈接。

當(dāng)時(shí)，表明在知識(shí)庫(kù)中沒(méi)有與ei對(duì)應(yīng)的實(shí)體，實(shí)體ei是不可鏈接的，返回empty。

當(dāng)時(shí)，候選實(shí)體集合只包含一個(gè)候選實(shí)體ei,1，若si,1≥3score，將ei與ei,1進(jìn)行鏈接。

當(dāng)時(shí)，將a2中計(jì)算si,j≥3score的所有候選實(shí)體按相關(guān)度由大到小進(jìn)行排序，排序第一的候選實(shí)體確定為ei在知識(shí)庫(kù)中的鏈接實(shí)體，記做ki。

e中所有ei鏈接得到的實(shí)體ki構(gòu)成e在給定知識(shí)庫(kù)的鏈接實(shí)體集合k＝{k1,k2,…,ki,…}。

a4、利用k的相關(guān)實(shí)體集合對(duì)數(shù)字資源進(jìn)行補(bǔ)充鏈接，如圖4所示。

(1)抽取k中所有實(shí)體的相關(guān)實(shí)體構(gòu)成集合rk。

(2)對(duì)rk中的每個(gè)相關(guān)實(shí)體rk，利用字符匹配在數(shù)字資源中進(jìn)行查找，若存在字符串str與rk名稱完全匹配，且名稱長(zhǎng)度大于2，將str與rk進(jìn)行鏈接；否則，若存在完全匹配字符串，但名稱長(zhǎng)度不大于2，按第二步計(jì)算str與rk的相關(guān)度若鏈接str與rk。

本實(shí)施例獲取待鏈接實(shí)體指稱集合時(shí)不采用命名實(shí)體技術(shù)，操作簡(jiǎn)單高效；引入詞向量，將相似和相同詞語(yǔ)進(jìn)行區(qū)別對(duì)待，增強(qiáng)實(shí)體相關(guān)度計(jì)算的語(yǔ)義信息；根據(jù)實(shí)體的知識(shí)進(jìn)行實(shí)體鏈接，提高實(shí)體消歧的語(yǔ)義精確度；根據(jù)知識(shí)間的相互生成關(guān)系及知識(shí)的重要度設(shè)置閾值及評(píng)分策略，充分利用實(shí)體知識(shí)；利用實(shí)體的相關(guān)實(shí)體進(jìn)行補(bǔ)充鏈接，挖掘同一文本內(nèi)的實(shí)體之間的語(yǔ)義關(guān)系。

舉例來(lái)說(shuō)，當(dāng)θ＝0.85，score＝2，結(jié)果如下：

描寫(xiě)南宋{ynnnznnr}愛(ài)國(guó)詩(shī)人陸游{ynnnzn2z}生平的影片《風(fēng)流千古》，由峨眉電影制片廠攝制組來(lái)陸游{ynnnzn2z}的家鄉(xiāng) 紹興以及杭州{ynnrz3yq}西子湖畔拍攝外景?！讹L(fēng)流千古》描寫(xiě)的是陸游{ynnnzn2z}堅(jiān)持御外抗金的主張，屢遭當(dāng)權(quán)奸臣秦檜{ynnnznp6}等人排斥打擊的坎坷仕途，以及他與表妹唐琬{ynnrzvnx}建立在愛(ài)國(guó)思想基礎(chǔ)上的堅(jiān)貞愛(ài)情的故事。影片由寇嘉弼、江沛編劇，寇嘉弼、李杰鋒導(dǎo)演，顧溫厚攝影。陸游{ynnnzn2z}的扮演者計(jì)鎮(zhèn)華同志，是上海一位三十多歲的昆劇演員。唐琬{ynnrzvnx}由著名演員王馥荔扮演。

大括號(hào)內(nèi)的字符串代表文本中的待鏈接實(shí)體指稱鏈接到的歷史知識(shí)庫(kù)中的實(shí)體的id。將所有歷史知識(shí)庫(kù)中實(shí)體名稱加入用戶字典中，對(duì)文本進(jìn)行分詞、詞性標(biāo)注等處理后得到待鏈接實(shí)體指稱集合為：{南宋，詩(shī)人，陸游，生平，影片，千古，峨眉電影制片廠，攝制組，陸游，家鄉(xiāng)，紹興，杭州，西子湖畔，外景，千古，陸游，御外，奸臣，秦檜，仕途，表妹，唐琬，思想，基礎(chǔ)，愛(ài)情，故事，影片，寇嘉弼，江沛，編劇，寇嘉弼，李杰鋒，導(dǎo)演，顧溫厚，陸游，扮演者，計(jì)鎮(zhèn)華，同志，上海，昆劇，演員，唐琬，演員，王馥荔}。從歷史知識(shí)庫(kù)中可獲取的相關(guān)候選實(shí)體集合id分別為：南宋{ynnnznnr}；陸游{ynnnzn2z}；杭州{ynnnzfsv,ynnrz3yq}；秦檜{ynnnznp6}；唐琬{ynnrzvnx}；紹興{ynnrzbve,ynnrzwoe}；上海{ynnnzazv,ynnnzggg,ynnnrzbrd,ynnnzrfb}。歷史知識(shí)庫(kù)中地名多因朝代差異而存在多個(gè)同名實(shí)體。實(shí)體ynnrz3yq為宋朝杭州，ynnnzfsv為唐朝杭州；ynnrzbve為中華人民共和國(guó)紹興；ynnrzwoe為中華民國(guó)紹興；ynnnzazv為元朝上海；ynnnzggg為清朝上海；ynnnrzbrd為中華人民共和國(guó)上海；ynnnzrfb為明朝上海。實(shí)體陸游的鏈接過(guò)程中，文本中與其精確屬性相同的詞語(yǔ)有：詩(shī)人、南宋；與其精確屬性相似的詞語(yǔ)有：紹興(對(duì)應(yīng)山陰)；相關(guān)實(shí)體有：秦檜。

圖5示出了本發(fā)明一實(shí)施例提供的一種實(shí)體鏈接裝置，包括：

候選實(shí)體生成模塊11，用于獲取數(shù)字資源的待鏈接實(shí)體集合，對(duì)所述實(shí)體集合中的每個(gè)實(shí)體在給定知識(shí)庫(kù)中生成所述每個(gè)實(shí)體對(duì)應(yīng)的候選實(shí)體集合；

相關(guān)度計(jì)算模塊12，用于根據(jù)候選實(shí)體集合中每個(gè)候選實(shí)體的精確屬性、模糊屬性和相關(guān)實(shí)體，計(jì)算每個(gè)實(shí)體與該實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的每個(gè)候選實(shí)體的相關(guān)度；

鏈接實(shí)體獲取模塊13，用于根據(jù)當(dāng)前實(shí)體與其各候選實(shí)體的相關(guān)度大小和該實(shí)體對(duì)應(yīng)的候選實(shí)體的數(shù)量，得到當(dāng)前實(shí)體的鏈接實(shí)體。

本實(shí)施例根據(jù)實(shí)體的知識(shí)進(jìn)行實(shí)體鏈接，提高了實(shí)體消歧的語(yǔ)義精確度，通過(guò)相關(guān)度進(jìn)行量化處理，挖掘了同一文本內(nèi)的實(shí)體之間的語(yǔ)義關(guān)系，能夠高效地從數(shù)字資源中獲取待鏈接實(shí)體并將其與給定知識(shí)庫(kù)中的實(shí)體進(jìn)行鏈接。

作為本實(shí)施例的優(yōu)選方案，還包括：

補(bǔ)充鏈接實(shí)體獲取模塊，用于根據(jù)每個(gè)鏈接實(shí)體的相關(guān)實(shí)體集合，對(duì)數(shù)字資源進(jìn)行補(bǔ)充實(shí)體鏈接。

通過(guò)對(duì)數(shù)字資源進(jìn)行補(bǔ)充鏈接，能夠挖掘同一文本內(nèi)的實(shí)體之間的語(yǔ)義關(guān)系。

具體地，所述相關(guān)度計(jì)算模塊12包括：

精確屬性計(jì)算單元，用于根據(jù)每個(gè)候選實(shí)體的每個(gè)精確屬性，若當(dāng)前精確屬性在數(shù)字資源中存在相似或相同的詞語(yǔ)，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加第一預(yù)設(shè)值；其中，當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度的初始值為0，當(dāng)前候選實(shí)體的所有精確屬性計(jì)算結(jié)束后的相關(guān)度為第一相關(guān)度；

模糊屬性計(jì)算單元，用于根據(jù)每個(gè)候選實(shí)體的每個(gè)模糊屬性，若當(dāng)前模糊屬性在數(shù)字資源中存在相同的詞語(yǔ)，或存在相似的詞語(yǔ)且精確屬性的數(shù)量大于第二預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度 增加0.5倍的第一預(yù)設(shè)值；若當(dāng)前模糊屬性在數(shù)字資源中存在相似的詞語(yǔ)且精確屬性的數(shù)量小于等于第二預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度根據(jù)以下公式一計(jì)算得到：

公式一

其中，si,j表示當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度，o表示當(dāng)前候選實(shí)體的精確屬性的數(shù)量，score表示第一預(yù)設(shè)值，σ表示第二預(yù)設(shè)值；

相關(guān)實(shí)體計(jì)算單元，用于根據(jù)每個(gè)候選實(shí)體的每個(gè)相關(guān)實(shí)體，若當(dāng)前相關(guān)實(shí)體在數(shù)字資源中存在相同的詞語(yǔ)且所述第一相關(guān)度大于等于所述第一預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.5倍的第一預(yù)設(shè)值；若當(dāng)前相關(guān)實(shí)體在數(shù)字資源中存在相同的詞語(yǔ)且所述第一相關(guān)度小于所述第一預(yù)設(shè)值，則當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度增加0.25倍的第一預(yù)設(shè)值。

進(jìn)一步地，所述鏈接實(shí)體獲取模塊13包括：

第一鏈接實(shí)體獲取單元，用于判斷若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量為0，則當(dāng)前實(shí)體的鏈接實(shí)體為空；

第二鏈接實(shí)體獲取單元，用于判斷若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量為1且當(dāng)前實(shí)體與當(dāng)前候選實(shí)體的相關(guān)度大于等于3倍的第一預(yù)設(shè)值，則當(dāng)前實(shí)體的鏈接實(shí)體為當(dāng)前候選實(shí)體；

第三鏈接實(shí)體獲取單元，用于判斷若當(dāng)前實(shí)體對(duì)應(yīng)的候選實(shí)體集合中的候選實(shí)體數(shù)量大于1且當(dāng)前實(shí)體包含相關(guān)度大于等于3倍的第一預(yù)設(shè)值的候選實(shí)體，則當(dāng)前實(shí)體的鏈接實(shí)體為相關(guān)度最大的候選實(shí)體。

更進(jìn)一步地，所述補(bǔ)充鏈接實(shí)體獲取模塊用于獲取所有鏈接實(shí)體的相關(guān)實(shí)體，若知識(shí)庫(kù)中存在與當(dāng)前相關(guān)實(shí)體相同的字符串且該字符串長(zhǎng)度大于2，或該字符串長(zhǎng)度小于等于2且當(dāng)前相關(guān)實(shí)體與該字符 串的相關(guān)度大于等于3倍的第一預(yù)設(shè)值，則將該字符串與當(dāng)前相關(guān)實(shí)體進(jìn)行鏈接。

本發(fā)明的說(shuō)明書(shū)中，說(shuō)明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒(méi)有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說(shuō)明書(shū)的理解。