ChineseNLP

中文实体链接 (Entity Linking)

背景

实体链接识别文本片段并将它们与标准数据库，知识库，地名词典，维基百科页面等中的对应条目进行链接。文本片段除了专有名词 (proper noun) (例如”Bob”) 外，还包括指代名词 (nominals)， 例如 “the player”。

示例

输入:

美国国防部长马蒂斯说，与首尔举行的名为“秃鹫”的军事演习每年春天在韩国进行，但2019年将“缩小规模”。

输出:

[美国]wiki/United_States国防部长[马蒂斯]wiki/Jim_Mattis说，与[首尔]wiki/Seoul举行的名为“秃鹫”的军事演习每年春天在[韩国]wiki/South_Korea进行，但2019年将“缩小规模”。

标准评价指标

• F-score: 正确识别实体并链接到知识库中正确的概念。
• 在知识库中找不到对应概念的实体 (NIL mentions) 需要被聚类, 并用CEAF(B-cubed的引申指标)指标评价聚类效果。

TAC-KBP / EDL 2017 Track.

The NIST TAC Knowledge Base Population (KBP) Entity Discovery and Linking (EDL)包括5种类型的中文实体标注：人（PER），地缘政治实体（GPE），地点（LOC），组织（ORG）以及设施（FAC）。

实体是被链接到BaseKB (LDC2015E42: TAC KBP 2015 Tri-Lingual Entity Discovery and Linking Knowledge Base).

评估数据由Linguistic Data Consortium (LDC)发布.

• 开放任务网站
• 开放任务记录
• 数据介绍
• 数据仅供已注册用户使用。

评测数据可以通过Linguistic Data Consortium (LDC)获取.

Test set	数量 (文件)	主题(Genre)
TAC-KBP-EDL 2015	313 (train + eval)	新闻
TAC-KBP-EDL 2016	166	新闻
TAC-KBP-EDL 2017	167	新闻

评价指标

NERC F-score

• 要求同时识别文本范围 (text-span) 以及对应的知识库ID (KB-id)
• 2016和2017年的任务包括名字 (name) 提及和指代 (nominal) 提及。
• 评分代码 (同 2015 ad 2016)

结果

系统	TAC-KBP / EDL 2015 Names	TAC-KBP / EDL 2016 Names and nominals	TAC-KBP / EDL 2017 Names and nominals
Sil et al (2018)	84.4
Pan et al (2020)	84.2
Pan et al (2020)	81.2 (无监督)
开放任务记录中的最佳匿名系统	76.9	76.2	67.8

相关资源

训练集 (train) 和测试集 (test) 可以通过 Linguistic Data Consortium (LDC) 获取.

---

建议? 修改? 请发邮件到chinesenlp.xyz@gmail.com