一种基于表示学习的实体发现和实体链接联合优化方法.pdf

本发明公开了一种基于表示学习的实体发现和实体链接联合优化方法,属于深度学习和自然语言处理技术领域,所述优化方法包括:步骤1,获取数据集;步骤2,构建锚文本词典;步骤3,定义并构建片段循环神经网络模型进行实体提取算法;步骤4,实体链接的特征选取;步骤5,神经排序模型的构建。本发明通过构建基于表示学习的实体发现和实体链接联合的模型,其中,基于片段式的循环神经网络可以直接对实体边界识别进行优化,而实体链接的信息又可以帮助实体发现进行边界识别,有效地解决了实体边界不准确影响实体链接的问题;有效避免了实体边界不准确影响实体链接效果的问题,并且可以同时优化实体发现和实体链接的结果。