[发明专利]一种融合Wikipedia的实体对齐方法

权利要求书

1.一种融合Wikipedia的实体对齐方法，其特征在于，

包括：

1）首先构建Wikipedia每个实体的统计量，并使用ElasticSearch存储；

2）针对用户聊天内容，利用分词和Ngram构建问句的候选实体集；

3）使用ElasticSearch检索出维基页面中包含至少一个候选实体的Wikipedia实体，作为候选Wikipedia实体集；

4）计算评价候选实体s和候选Wikipedia实体E匹配指标；

5）最后，利用规则和阈值确认最终对齐结果；

实体的统计量包括页面每月点击量以及链接分布P(a|E)；

P(a|E)指所有链接到实体E的链接页面的概率分布，

其中A(E)是链接到实体E的链接页面的集合，将每个实体以及它对应的维基页面、每月点击量、链接分布、Wikidata类别存放到ElasticSearch；

构建问句的候选实体集，对问句进行分词，并采用Ngram(n=3)的方式构建所有候选实体，并采取规则去除部分实体；

候选实体s和Wikipedia实体E匹配指标包括基于统计量的匹配得分；

还包括Wikipedia实体E所在的Wikidata类别和用户意图的匹配度，以及候选实体s是否是其他候选实体的一部分；

计算候选实体s和Wikipedia实体E匹配得分score(s, E)，利用贝叶斯规则，可知

设P(E)与实体E月点击量成正比，用V(E)表示实体E月点击量，而P(s|E)指候选实体s链接到实体E的概率，得到：

作为评判候选实体s指向Wikipedia实体E的重要指标。

2.根据权利要求1所述的方法，其特征在于，

通过整合的指标，确定候选实体s确实指向Wikipedia实体E的阈值，基于规则和阈值去推理最终对齐结果。