读清华大学刘知远老师的今年的一篇IJCAI文章Representation Learning for Measuring Entity Relatedness with Rich Information。
相比词汇相似度计算,维基实体相关度计算更加挖掘维基百科语料库的特性。其相关性计算大致分为三类:
1. text-theoretic 利用维基百科语料的海量特性。通过统计的方法进行词汇表征(word representation)。传统方法简单地以维基article(不知道怎么翻译合适)为基础构建一个语义空间。统计词语与维基article的共现,从而将词语投射到一个高纬的语义空间上。最近几年,大家都更加关注通过神经网络语言模型学习到低维词语表征。
代表工作:LSA ESA(Explicit Semantic Analysis) Word2Vec等
2. graph-theoretic 利用维基百科的链接结构特性,将维基百科的实体进行图表示。直观理解就是图中连接紧密的实体关系更加密切。