基于向量空間模型的中文微博實體鏈接(編輯修改稿)
2025-08-14 18:39 本頁面
【文章內(nèi)容簡介】 鄭州大學自然語言處理實驗室 數(shù)據(jù)預(yù)處理（ 4/4） ? 符號的不當 數(shù)據(jù)集中存在一些待鏈接字符串的符號書寫不規(guī)范問題，這樣會影響到檢索結(jié)果的準確性。如“ 霸王別姬 ”、“ 曉說 ”等，采用直接取出上述符號的做法。 鄭州大學自然語言處理實驗室 獲取百度百科候選實體（ 1/4） ? 本次任務(wù)的知識庫只包含存在 InfoBox結(jié)構(gòu)的百度百科實體，如下圖： 因此，對于不包含上述結(jié)構(gòu)的命名實體，則直接置為 NIL。 鄭州大學自然語言處理實驗室 獲取百度百科候選實體（ 2/4） ? 對于那些不能直接在百度百科知識中檢索到的命名實體，本文采用 Jaccard系數(shù) ? 上述公式的幾何意義表示 A,B字符串的相交程度，即兩字符串相同詞的個數(shù)占兩字符串所有詞的并集比例的高低。 鄭州大學自然語言處理實驗室 獲取百度百科候選實體（ 3/4） ? 例如，搜索“東京 FC隊 百度百科”， A={東京， FC，隊 }； B1={東京，足球， 俱樂部 }； B2={東京， FC， 足球， 俱樂部 }；B3={長友佑，都
外語相關(guān)推薦
鄂ICP備17016276號-1