DeepType剖析，以及如何使用DeepType完成实体链接

简介

• 论文的工作主要可以归纳为两件事：
  1. 给出了自动构建 $type$ 系统（或者说概念本体）的方法
  2. 利用这个 $type$ 系统进行实体链接
• 官方代码

1. 任务详解

1.1 术语

• 关系：给定知识图谱或特征集，关系是一组可继承的规则，用于定义属于/不属于某个特定群组。

  比如 $city$ 是一个根，$instance\_of(city)$ 是一个关系，从而有实体通过关系与根相连，比如南京、上海

• $type$：由关系定义的一个类别

  比如 $IsCity$ 就是一个 $type$，包含所有与 $city$ 通过 $instance\_of(city)$ 相连接的实体

• $type$ 轴：一系列互斥关系

  比如 I s C i t y ∩ I s H u m a n = { } IsCity∩IsHuman=\{\} IsCity∩IsHuman={ }

• $type$ 系统：一系列 $type$ 轴，$A$，外加一个 $type$ 标签函数： { t 1 , . . . , t k } = T y p e L a b e l e r ( e , A ) \{t_1,...,t_k\}=TypeLabeler(e,A) { t1​,...,tk​}=TypeLabeler(e,A)

  比如包含两个轴 { I s A , T o p i c } \{IsA,Topic\} { IsA,Topic} 的 $type$ 系统，南京对应的就是 { 城 市 ， 地 理 } \{城市，地理\} { 城市，地理}

1.2 整体架构

• 为了构建一个基于 $DeepType$ 的实体链接模型，我们需要3个组件：
  1. 一个 $type$ 系统

     在本论文中，$type$ 系统中的所有 $type$ 被限制为wiki百科本体中的父子关系。例如 $r=human，e=instance\_of$，从而将实体分为 $human$ 和 $non-human$ 两类

  2. 一个对应于该 $type$ 系统的 $type$ 分类器
  3. 一个用于在给定mention时，预测实体的模型。作者用的 $LinkCount(e,m)$