Αποσαφήνιση Οντοτήτων με Χρήση Τεχνικών Επιβλεπόμενης Μάθησης

Abstract

Το πρόβλημα της αποσαφήνισης ονοματικών οντοτήτων αναφέρεται στην αντιστοίχηση των ονοματικών οντοτήτων ενός κειμένου, που είναι συνήθως αμφίσημες, σε οντότητες που ανήκουν σε μια βάση γνώσης. Για την επίλυση του προβλήματος αυτού, θα χρησιμοποιήσουμε δύο προσεγγίσεις που αφορούν μεθόδους επιβλεπόμενης μάθησης.

Η πρώτη προσέγγιση χρησιμοποιεί χαρακτηριστικά τα οποία εξάγονται από τη Wikipedia ως βάση γνώσης και σύμφωνα με αυτά εκπαιδεύει ταξινομητές που αξιολογούνται σε ένα σύνολο από τυχαία άρθρα της Wikipedia.

Η δεύτερη προσέγγιση στοχεύει να εκμεταλλευτεί τις βαθύτερες τοπικές ομοιότητες μεταξύ της αναφοράς και των πιθανών οντοτήτων της με συνελικτικά νευρωνικά δίκτυα και την καθολική συνοχή μεταξύ των αναφορών ενός κειμένου ως ακολουθίες προβλέψεων μεταβλητού μήκους με χρήση αναδρομικών νευρωνικών δικτύων. Το μοντέλο έπειτα αξιολογείται σε δύο προσημειωμένα σύνολα δεδομένων και τα αποτελέσματα είναι συγκρίσιμα με τα πιο σύγχρονα συστήματα αποσαφήνισης οντοτήτων.