基于图注意力神经网络的实体消歧方法
Entity disambiguation method based on graph attention networks
牛泽群 1李晓戈 2强成宇 1韩伟 1姚怡 1刘洋3
作者信息
- 1. 西安邮电大学计算机学院,陕西西安 710121
- 2. 西安邮电大学计算机学院,陕西西安 710121;西安邮电大学陕西省网络数据分析与智能处理重点实验室,陕西西安 710121;西安邮电大学西安市知识发现与应用工程技术中心,陕西西安 710121
- 3. 西安邮电大学西安市知识发现与应用工程技术中心,陕西西安 710121
- 折叠
摘要
针对链接对象为存在半结构化数据的知识库,提出了一种基于图注意力神经网络的短文本实体指称消歧方法.通过信息抽取与融入关键词,将含有半结构化数据的知识库构建为全局知识图谱;同时基于Bert预训练模型对短文本中的实体指称项进行嵌入融合;使用图注意力神经网络对全局知识图谱中候选实体节点进行加权聚合表征,并计算实体指称项与各候选实体之间的相似度得分,实现实体消歧.在CCKS2019数据集上的实验结果表明,基于图注意力神网络的实体消歧模型有效提高了实体消歧效果.
Abstract
We propose an entity disambiguation method based on graph attention networks for semi-structured knowledge base data.First,a global knowledge graph is constructed from the semi-structured knowledge base,and the entity reference items are embedded by Bert pre-trained model meanwhile.Next,graph attention networks which leverages masked self-attention layers is applyed on can-didate entity nodes of global knowledge graph to fetch a vector of node level.Furtherly,we com pute similarity scores rank between the entity reference items and the candidate entity to complete the task of entity disambiguation.The experimental results on CCKS2019 dataset achieve state-of-the-art.
关键词
实体消歧/知识图谱/关键词提取/图注意力神经网络/自然语言处理Key words
entity disambiguation/knowledge graph/keyword extraction/graph attention networks/natural language processing引用本文复制引用
基金项目
国家重点研发计划(2018YFB1402905)
陕西省重点研发计划(2020GY-227)
陕西省重点研发计划(2020ZDLGY09-05)
陕西省技术创新引导专项(2022PT-49)
出版年
2024
NETL
NSTL
万方数据