基于中文異構(gòu)百科知識庫實體對齊

　　針對傳統(tǒng)實體對齊方法在中文異構(gòu)網(wǎng)絡(luò)百科實體對齊任務(wù)中效果不夠顯著的問題，提出一種基于實體屬性與上下文主題特征相結(jié)合的實體對齊方法。首先，基于百度百科及互動百科數(shù)據(jù)構(gòu)造中文異構(gòu)百科知識庫，通過統(tǒng)計方法構(gòu)造資源描述框架模式（ RDFS）詞表，對實體屬性進(jìn)行規(guī)范化；其次，抽取實體上下文信息，對其進(jìn)行中文分詞后，利用主題模型對上下文建模并通過吉布斯采樣法求解模型參數(shù)，計算出主題一單詞概率矩陣，提取特征詞集合及對應(yīng)特征矩陣；然后，利用最長公共子序列（LCS）算法判定實體屬性相似度，當(dāng)相似度位于下界與上界之間時，進(jìn)一步結(jié)合百科類實體上下文主題特征進(jìn)行判定；最后，依據(jù)標(biāo)準(zhǔn)方法構(gòu)造了一個異構(gòu)中文百科實體對齊數(shù)據(jù)集進(jìn)行仿真實驗。實驗結(jié)果表明，與經(jīng)典的屬性相似度算法、屬性加權(quán)算法、上下文詞頻特征模型及主題模型算法進(jìn)行比較，所提出的實體對齊算法在人物領(lǐng)域和影視領(lǐng)域的準(zhǔn)確率、召回率與綜合指標(biāo)F值分別達(dá)到97. 8%、88。0%、92. 6%和98. 6%、73. 0%、83. 9%，比其他方法均有較大的提高。實驗結(jié)果驗證了在構(gòu)建中文異構(gòu)百科知識庫場景中，所提算法可以有效提升中文百科實體對齊效果，可應(yīng)用到具有上下文倌息的實體對齊任務(wù)中。