論文筆記整理，譚亦鳴，東南大學博士生。

---

來源：JWS 2020

鏈接：https://www.sciencedirect.com/science/article/pii/S157082682030010X?via%3Dihub

介紹

實體抽取和鏈接（Entity extraction and linking, EEL）是語義網的一個重要任務，它能夠從文本中識別現實世界的對象，并關聯到知識庫中的相應資源上。因此，EEL任務的一個目標是從文本中抽取知識。近年來，一些EEL系統被提出，它們著眼于不同的領域，語言以及知識庫。這種情況下，一些嘗試結合不同EEL系統優勢的集成系統被提出，以提供比單一系統更好的性能。但是，目前尚沒有一個清晰的全局配置指導，用于幫助集成系統選擇，配置EEL系統，以及結果的融合。這篇論文提出一個框架，通過對系統選擇，輸入參數配置，系統執行以及最終的答案融合提供建議（答案融合基于一個對實體出現及重疊的過濾策略建立），從而構建融合EEL系統。基于這個框架，作者使用現有EEL系統實現了一個集成系統，通過GERBIL框架的實驗結果表明，在七個數據集上，相對于單一EEL系統，集成系統的微觀/宏觀精度與召回率均有提高。

動機

集成EEL系統能夠利用不同EEL系統的優勢，從而得到比單一系統更好的性能。集成系統的一般思路是將兩個或更多的EEL系統的輸出統一為一個候選結果集。此外，多系統的命名實體抽取結果合成，亦能夠比單一系統識別出更多的實體。

但是，集成EEL涉及到不同階段的系統選擇，參數配置以及集成決策，從而實現具有同類結果的系統。首先，對于EEL系統的選擇與執行，包括領域，資源需求以及實現環境等多個因素需要被考慮。第二，在參數配置方面，輸入參數的選擇顯然會直接影響到輸出結果。例如，置信度參數控制命名實體在提及與URIs之間的匹配程度。最后，不同EEL系統的組合可能產生重復/部分重疊的實體元組（不同命名實體共享了一個文本中的提及）。因此，為集成系統提供系統選擇，配置及結果融合的建議是一個明確的發展需要。

方法

本文提出FEEL（Frameworkfor the integration of Entity Extraction and Linking systems）,旨在為集成EEL系統提供一個具有整體設定的推薦，概念以及任務的結構。圖2中描述了該框架的三個主要階段：

1.參數配置：

a)系統選擇，以開放域數據場景為例，四個EEL系統被用于集成系統的實現（TagMe, DBpedia Spotlight, Babelfy, WAT），系統的選擇遵循(i) 系統的研究報告中具備精準度和召回率之間的平衡。 (ii) 系統能夠處理多個領域/包含不同特征的數據集。(iii) （免費）可用。

b)資源管理，針對EEL系統所需的軟硬件資源的管理

c)參數調試，一般而言，EEL系統具有一些輸入參數，例如置信度，輸入文本，語言，輸出格式，token-key等。這一步涉及對最常見輸入參數（尤其置信度）的描述和配置。

i.置信度：置信度作為一個閾值，控制了從文本中抽取命名實體的數量，一般一個更高的置信度代表（獲取實體的）高精度，但一定程度上損失召回。相對于使用基于經驗的參數配置，FEEL選擇基于GERBIL框架，通過在一個確定數量的數據集上對不同系統進行測試，從而確定參數配置，主要策略包括：

1.數據集選擇，領域相關性

2.使用EEL系統在所選數據集上進行（多次）實驗，獲取micro-F1結果

3.獲取產生F1結果較好的置信度區間

4.獲取置信度區間的中間值

5.視情況對置信度配置值向上可選

ii.提取類型。EEL可選的提取類型包括：僅從文本中做實體抽取（而不鏈接），或僅將抽取出的實體標注為特定類別而非具體實例。

iii.輸入文本：一般就是純文本

iv.語言：EEL系統能識別和覆蓋不同的語言（若系統未檢測到輸入文本的語言，則必須指定該項）

v.輸出格式，系統需支持輸出實體的不同格式（如基于LinkData的格式）

vi.Token-key，這個主要是為了限制（每日的）用戶請求，用于成本控制

2.系統調用：系統調用的目標是對于給定的輸入文本獲取一組命名實體元組，主要包含兩個部分：

a) Request preparation：這里主要考慮系統的調用和異常處理，假定某個EEL系統的執行出現故障，集成系統應該能夠繼續執行剩余EEL以獲得盡可能多的結果

b) Field parser：這一步主要涉及單個EEL系統檢索得到的命名實體，指的是不同輸出的實體標識，其中必須包含實體元組元素

3.數據合并：由EEL獲得的結果里往往存在重疊情況，這種情況需要被過濾以得到統一的結果，在過濾方面有四個因素需要被考慮：

a)實體頻率，低于某個頻率閾值的實體需要被移除。

b)重復的提及，當兩個或更多的實體對應了相同的文本提及時，需要通過排序選擇最可能一個。這里作者采用了頻率排序的方式進行過濾。

c)重復元組的去重。

d)局部實體重疊，這里指命名實體之間的提及存在局部重疊的情況，FEEL選擇保留提及長度最長的部分。

過濾過程見算法1:

實驗

數據集

用于調參的數據集的統計信息如下表

單一EEL系統在各數據集上的F1結果，用于參數配置

強弱匹配情況下，各獨立EEL的實驗結果

最好的單一系統與FEEL集成系統的實驗結果對比

其他實驗細節結果請見論文原文。

---

?

OpenKG

開放知識圖譜（簡稱 OpenKG）旨在促進中文知識圖譜數據的開放與互聯，促進知識圖譜和語義技術的普及和廣泛應用。

點擊閱讀原文，進入 OpenKG 博客。

總結

以上是生活随笔為你收集整理的论文浅尝 - JWS2020 | FEEL: 实体抽取和链接的集成框架的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。