中文微博实体链接研究.pdf

网络出版地址：/kcms/detail/11.2442.N1025.004.html 北京大学学报 ( 自然科学版) Acta Scientiarum Naturalium Universitatis Pekinensis doi: 10.13209/j.0479-8023.2014.014 中文微博实体链接研究 † 朱敏 贾真 左玲 吴安峻 陈方正 柏玉 西南交通大学信息科学技术学院 , 成都 610031; † 通信作者 , E-mail: zjia@ 摘要 针对 2013 年 CCF 自然语言处理与中文计算会议(NLPCC 2013) 中文微博实体链接的任务, 使用 CCF 提供的新浪微博数据作为训练和测试数据, 利用西南交通大学耶宝智慧中文分词平台作为自然语言预处理工 具 , 提出一种实体链接的方法。该方法应用改进的拼音编辑距离算法和后缀词表匹配法, 提出实体聚类消歧 与基于百度百科词频的同类实体消歧相结合的消歧方法。在 2013 年 CCF 中文微博实体链接评测任务中正确 结果的准确率为 0.8838, 在 10 个参赛队伍中名列第 3 位。表明该方法有效并可以适应文本中的噪声。 关键词 微博实体链接 ; 改进的拼音编辑距离; 后缀词表匹配法 ; 实体消歧 中图分类号 TP391 Research on Entity Linking of Chinese Micro Blog † ZHU Min, JIA Zhen , ZUO Ling, WU Anjun, Chen Fangzheng, Bai Yu School of Information and Science Technology, Southwest Jiaotong University, Chengdu 610031; † Corresponding author, E-mail: zjia@ Abstract The authors focus on the task of entity linking of Chinese micro blog in NLPCC 2013, taking Sina micro blog data provided by CCF as training data and test data, and Yebol Chinese segmentation system as segmentation technology. A way of entity linking is proposed which links from knowledge base to search entity from thesaurus, using improved pinyin ed