2020-12-27

文章目录

  • Named Entity Extraction for KnowledgeGraphs: A Literature Overview
    • Abstract
    • 正文
      • introduction

Named Entity Extraction for KnowledgeGraphs: A Literature Overview

知识图谱相关的实体识别:文献综述

Abstract

从自然语言文本中挖掘(或提升)知识图需要自然语言处理(NLP)。问题的核心部分是提取文本中的命名实体。本文概述了这一领域的最新进展,包括:命名的实体识别(NER)、命名实体消歧(NED)和命名实体链接(NEL)。许多NED和NEL的方法都是基于旧的NER方法,需要利用最先进的NER系统的输出。还需要使用标准方法来评估和比较命名实体提取方法。最近的NEL(命名实体消歧)的两个趋势:(1)之前的循序渐进的过程变为端到端的过程。(2)以前单独的分析的分析实体到现在考虑每个实体的上下文信息来分析实体。这主要是深度学习的成果。

正文

introduction

  1. 知识图谱为2012年为了提高搜索引擎的效果而提出的概念,节点表示具体的对象、概念、信息资源或有关它们的数据,而边表示节点之间的语义关系。知识图谱是受益于

你可能感兴趣的:(论文阅读)