摘要：实体识别消歧是知识库扩充和信息抽取的重要技术之一。近些年该领域诞生了很多研究成果,提出了许多实体识别消歧系统。但由于缺乏对这些系统的完善评测对比,该领域依然处于良莠淆杂的状态。因此很有必要设计一个评测框架对各个系统进行统一评测。本文提出一个实体识别消歧系统的统一评测框架,用于公平地比较各个实体识别消歧系统的效果。该框架代码开源,可以采用新的系统、数据集、评测机制扩展。通过该框架评测实体系统,可以分析得到系统各个模块的优劣之处。本文分析对比了几个公开的实体识别消歧系统,并总结出了一些有用的结论。

摘要：命名实体消歧主要研究如何将存在歧义的文本描述映射到其对应知识库(例如Wikipedia)中的实体。本文结合群体智能(即群体用户生成的标签)和深度学习(即数据驱动学习),提出了在命名实体消歧过程中生成区别度更高的特征方法。具体来说,通过设计一个众包模型,学习文本描述或实体所对应"众包特征",然后利用"众包特征"对动态卷积神经网络(Dynamic convolutional neural network,DCNN)进行优化,最后用优化得到的DCNN来提取"深度众包特征",以此来解决传统命名实体消歧算法中单独依赖手工设计特征的不足。本文所提出方法巧妙将群体认知(由众包标签反映)结合到命名实体消歧深度学习框架中。实验分析表明,当有足够多众包标签时,所提出方法优于传统手工设计特征。