一个中文实体链接语料库的建设

北京大学学报（自然科学版）

一个中文实体链接语料库的建设

舒佳根^1,2,惠浩添^1,2,钱龙华^1,2,朱巧明^1,2

1. 苏州大学自然语言处理实验室, 苏州 215006; 2. 苏州大学计算机科学与技术学院, 苏州 215006;

收稿日期:2014-06-29 出版日期:2015-03-20 发布日期:2015-03-20

Construction of a Chinese Entity Linking Corpus

SHU Jiagen^1,2, HUI Haotian^1,2, QIAN Longhua^1,2, ZHU Qiaoming^1,2

1. Natural Language Processing Lab, Soochow University, Suzhou 215006; 2. School of Computer Science and Technology, Soochow University, Suzhou 215006;

Received:2014-06-29 Online:2015-03-20 Published:2015-03-20

摘要/Abstract

摘要： 鉴于现有中文实体链接基准语料库的缺乏, 在ACE2005中文语料库和中文维基百科的基础上, 通过自动构造和人工标注的方法, 构建一个中文实体链接语料库及其相关的中文知识库。与传统的英文实体链接语料库不同, 构造的中文实体链接语料库是基于实体而非单个实体指称(Mention)。中文实体链接语料库的构建, 将为中文实体链接研究提供一个可用的基准平台。

关键词: 中文, 实体链接, 语料库

Abstract: In view of the lack of Chinese entity linking benchmark corpus, the methodology of automatic construction and manual annotation was applied to build a Chinese entity linking corpus as well as its related Chinese knowledge base derived from the ACE2005 Chinese corpus and the Chinese Wikipedia resource. Contrary to traditional English entity linking corpus, this corpus is based on entities rather than individual entity mentions. The construction of Chinese entity linking corpus provides a benchmark platform to the Chinese entity linking research community.

Key words: Chinese, entity linking, corpus

中图分类号:

TP391

舒佳根,惠浩添,钱龙华,朱巧明. 一个中文实体链接语料库的建设[J]. 北京大学学报（自然科学版）.

SHU Jiagen,HUI Haotian,QIAN Longhua,ZHU Qiaoming. Construction of a Chinese Entity Linking Corpus[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

[1]	刘伟, 黄锴宇, 余浩, 黄德根. 基于语境相似度的中文分词一致性检验研究[J]. 北京大学学报自然科学版, 2022, 58(1): 99-105.
[2]	李娟. 汉语近义词辨析知识库构建研究[J]. 北京大学学报自然科学版, 2022, 58(1): 106-112.
[3]	李烨秋, 唐竑轩, 钱锦, 邹博伟, 洪宇. 中文机器阅读理解的鲁棒性研究[J]. 北京大学学报自然科学版, 2021, 57(1): 16-22.
[4]	李天然, 刘明童, 张玉洁, 徐金安, 陈钰枫. 基于深度学习的实体链接研究综述[J]. 北京大学学报自然科学版, 2021, 57(1): 91-98.
[5]	盛晨, 孔芳, 周国栋. 中文篇章零元素语料库构建[J]. 北京大学学报自然科学版, 2019, 55(1): 15-21.
[6]	唐裕婷, 李艳斌, 刘露, 于中华, 陈黎. 面向细粒度隐式篇章关系识别的远距离监督特征学习算法[J]. 北京大学学报自然科学版, 2019, 55(1): 91-97.
[7]	柯永红, 朱永福, 穗志方, 俞士汶. 基于多特征的语义角色标注一致性计算方法研究[J]. 北京大学学报（自然科学版）, 2018, 54(3): 475-480.
[8]	刘成东, 连宙辉, 唐英敏, 肖建国. 基于部件拼接的高质量中文字库自动生成系统[J]. 北京大学学报（自然科学版）, 2018, 54(1): 35-41.
[9]	杨紫怡, 贡正仙, 孔芳, 周国栋. 基于中英文可比较语料的中文零指代消解[J]. 北京大学学报自然科学版, 2017, 53(2): 279-286.
[10]	张瑞洁, 田原, 刘思叶, 王雯夫. 即时通信文本中地理信息提取——以微信为例[J]. 北京大学学报（自然科学版）, 2016, 52(6): 985-989.
[11]	吴云芳, 万富强, 徐艺峰, 吕学强. 基于排序方法的汉语句际关系树自动分析[J]. 北京大学学报（自然科学版）, 2016, 52(1): 65-74.
[12]	杜丽萍, 李晓戈, 于根, 刘春丽, 刘睿. 基于互信息改进算法的新词发现对中文分词系统改进[J]. 北京大学学报（自然科学版）, 2016, 52(1): 35-40.
[13]	李茂林. 基于主题敏感的重启随机游走实体链接方法[J]. 北京大学学报（自然科学版）, 2016, 52(1): 17-24.
[14]	李保利. 基于类别层次结构的多层文本分类样本扩展策略[J]. 北京大学学报（自然科学版）, 2015, 51(2): 357-366.
[15]	王博立,史晓东,陈毅东,任文瑶,阎思瑶. 语料库语言学视角下的台湾汉字简化研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 249-254.