基于二階Markov邏輯的實體對應.pdf

1、實體對應的目的是將指向現(xiàn)實中同一實體的個體聯(lián)系起來，其在多個領域中均扮演著十分重要的角色，例如:在自然語言處理中，對識別出來的命名實體進行實體對應能為語義角色標注、關系抽取，乃至問答系統(tǒng)的構建提供可靠堅實的基礎;在數(shù)據(jù)庫領域中，實體對應起到了清洗數(shù)據(jù)庫的作用，使原本指向同一對象的多條記錄合并成一條;在語義網(wǎng)領域中，實體對應又被稱為實例匹配，是本體匹配的基礎任務之一。
　　本研究的應用背景是對遞增數(shù)據(jù)集中不斷被識別的個體進行實體對應

2、。在該背景下，不僅個體被不斷識別，類別和屬性也在不斷地以遞增的方式被識別。由于傳統(tǒng)的實體對應均沒有考慮謂詞之間存在關系的情況，因此不適用于這個背景。本文提出使用二階Markov邏輯網(wǎng)來建模在這一背景下的實體對應。本論文的主要貢獻如下:
　　(1)通過在謂詞(類別可看做一元謂詞）上加量詞約束，處理不斷有新謂詞被識別的情況。
　　(2)通過建模謂詞之間的關系，將自動識別出的謂詞聯(lián)系起來，找到被遺漏的對應實例對。
　　(3)

3、通過建模實體對應和謂詞關系發(fā)現(xiàn)之間的關系，同時提高實體對應的精度和召回率。
　　(4)構建基于謂詞關系發(fā)現(xiàn)的實體對應的標準數(shù)據(jù)集。
　　(5)在理論上證明，二階Markov邏輯可以在形式上轉化為一階Markov邏輯。
　　實驗結果表明，使用二階Markov邏輯網(wǎng)進行實體對應能明顯提高實體對應的召回率，且由于謂詞關系發(fā)現(xiàn)對實體對應的積極影響，精度也有一定程度的提高。在謂詞關系發(fā)現(xiàn)方面，我們發(fā)現(xiàn)隨著實體對應結果的提高，發(fā)現(xiàn)