개체 링킹을 위한 RDF 지식그래프 기반의 포괄적 상호의존성 짝 연결 접근법
A Global-Interdependence Pairwise Approach to Entity Linking Using RDF Knowledge Graph
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
자연어 표현에는 인물, 조직, 장소, 제품 등의 다양한 개체들이 존재한다. 이러한 개체는 다양한 의미를 가질 수 있다. 이러한 개체가 갖는 중의성 문제는 자연어 처리 분야에 있어 매우 도전적인 과제이다. 개체 링킹(Entity Linking)이란 텍스트에 등장한 개체명을 지식베이스 내의 적절한 개체로 연결해주는 작업이다. 개체 링킹을 위한 대표적인 방법론인 짝 연결 접근법(Pairwise based method)은 한 문장에서 등장한 개체가 두 개 이상일 경우 서로의 연관성을 이용해 개체 링킹을 하는 방법이다. 이 방법은 동일 문장에서 등장하는 개체들 간의 상호의존성(interdependence)만을 고려하고 있어 포괄적인 상호의존성(Global interdependence)이 부족하다는 한계를 갖고 있다. 본 논문에서는 개체 링킹을 위해 RDF 형태의 지식베이스 정보를 바탕으로 Word2vec을 활용한 Entity2vec 모델을 생성하였다. 그리고 생성된 모델을 사용하여 각 개체에 대한 랭킹을 하였다. 본 논문에서는 짝 연결 접근법의 한계점을 보완하기 위해 포괄적인 상호의존성을 바탕으로 짝 연결 접근법을 고안하고 구현 및 실험을 통해 기존의 짝 연결 접근법과 비교하였다.
Abstract
There are a variety of entities in natural language such as people, organizations, places, and products. These entities can have many various meanings. The ambiguity of entity is a very challenging task in the field of natural language processing. Entity Linking(EL) is the task of linking the entity in the text to the appropriate entity in the knowledge base. Pairwise based approach, which is a representative method for solving the EL, is a method of solving the EL by using the association between two entities in a sentence. This method considers only the interdependence between entities appearing in the same sentence, and thus has a limitation of global interdependence. In this paper, we developed an Entity2vec model that uses Word2vec based on knowledge base of RDF type in order to solve the EL. And we applied the algorithms using the generated model and ranked each entity. In this paper, to overcome the limitations of a pairwise approach, we devised a pairwise approach based on comprehensive interdependency and compared it.
참고문헌 (21)
- Kulkarni, S., "Collective annotation of Wikipedia entities in web text", Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, pp.457~466 (2009), ACM
- Mikolov, T., "Efficient estimation of word representations in vector space", arXiv preprint arXiv:1301.3781, ~ (2013)
- Page, L., "The PageRank citation ranking: Bringing order to the web" (1999), Stanford InfoLab
- Bunescu, R., "Using encyclopedic knowledge for named entity disambiguation", 11th conference of the European Chapter of the Association for Computational Linguistics (2006)
- Cucerzan, S., "Large-scale named entity disambiguation based on Wikipedia data", Proceedings of the 2007 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning (EMNLP-CoNLL) (2007)
- Dredze, M., "Entity disambiguation for knowledge base population", Proceedings of the 23rd International Conference on Computational Linguistics, Association for Computational Linguistics, pp.277~285 (2010)
- Fader, A., "Scaling Wikipedia-based named entity disambiguation to arbitrary web text", Proceedings of the IJCAI Workshop on User-contributed Knowledge and Artificial Intelligence: An Evolving Synergy, pp.21~26 (2009)
- Milne, D., "Learning to link with wikipedia", Proceedings of the 17th ACM conference on Information and knowledge management, pp.509~518 (2008), ACM
- Medelyan, O., "Topic indexing with Wikipedia", Proceedings of the AAAI WikiAI Workshop, 1, pp.19~24 (2008)
- 김서현, "개체 중의성 해소를 위한 사용자 유사도 기반의 트윗 개체 링킹 기법", 정보과학회논문지, 43(9), pp.1043~1051 (2016), 한국정보과학회
- Zwicklbauer, S., "DoSeR-a knowledge-base-agnostic framework for entity disambiguation using semantic embeddings", International Semantic Web Conference, pp.182~198 (2016), Springer
- 원유성, "한국어 서술어와 지식베이스 프로퍼티 연결", 정보과학회논문지, 42(12), pp.1568~1574 (2015), 한국정보과학회
- Yamada, I., "Joint learning of the embedding of words and entities for named entity disambiguation", arXiv preprint arXiv:1601.01343, ~ (2016)
- Ganea, O. E., "Deep joint entity disambiguation with local neural attention", arXiv preprint arXiv:1704.04920, ~ (2017)
- 이호경, "위키피디아 기반의 효과적인 개체 링킹을 위한 NIL 개체 인식과 개체 연결 중의성 해소 방법", 정보과학회논문지, 44(8), pp.813~821 (2017), 한국정보과학회
- 강인수, "개체중의성해소에서 의미관련도 활용 효과 분석: 한국어 위키피디아를 사용하여", 한국지능시스템학회 논문지, 25(2), pp.111~118 (2015), 한국지능시스템학회
- Miller, E., "An introduction to the resource description framework", Bulletin of the American Society for Information Science and Technology, 25(1), pp.15~19 (1998)
- "Saltlux's Adam Platform"[URL]
- "Deep Learning for Java"[URL]
- Dubey, M., "EARL:Joint Entity and Relation Linking for Question Answering over Knowledge Graphs", arXiv preprint arXiv:1801.03825, ~ (2018)
- Goyal, P., "Graph embedding techniques, applications, and performance: A survey", Knowledge-Based Systems, 151, pp.78~94 (2018)