| rdfs:comment
| - In natural language processing, entity linking, also referred to as named-entity linking (NEL), named-entity disambiguation (NED), named-entity recognition and disambiguation (NERD) or named-entity normalization (NEN) is the task of assigning a unique identity to entities (such as famous individuals, locations, or companies) mentioned in text. For example, given the sentence "Paris is the capital of France", the idea is to determine that "Paris" refers to the city of Paris and not to Paris Hilton or any other entity that could be referred to as "Paris". Entity linking is different from named-entity recognition (NER) in that NER identifies the occurrence of a named entity in text but it does not identify which specific entity it is (see Differences from other techniques). (en)
- エンティティ・リンキング（英: entity linking、named entity linking、entity disambiguation）は、テキスト中のエンティティ名をWikipedia等の知識ベース上のエントリに結びつける自然言語処理のタスクである。例えば、ワシントンというエンティティ名は、地名（ワシントン州、ワシントンD.C.）や、人名（ジョージ・ワシントン、デンゼル・ワシントン）等を示す可能性がある。しかし、"ワシントンはアメリカにある州の一つである"という文の場合は、ワシントン州を指すことは明らかである。エンティティ・リンキングは、テキストからのエンティティ名の抽出だけでなく、知識ベースに結びつけることで、エンティティの曖昧性の解消までを行うため、固有表現抽出とは異なるタスクである。 (ja)
- Nell'ambito dell'elaborazione del linguaggio naturale, l'entity linking, noto anche come named entity linking (NEL), named entity disambiguation (NED), named entity recognition e disambiguation (NERD) o named entity normalization (NEN) è il compito di assegnare un'identità univoca a entità (come personaggi famosi, luoghi o aziende) menzionate in un testo. Ad esempio, data la frase "Washington è la capitale degli Stati Uniti", l'idea è di determinare che "Washington" si riferisce alla città di Washington e non a George Washington o qualsiasi altra entità che potrebbe essere indicata come "Washington". L'entity linking è diverso dal (NER) in quanto il NER identifica l'occorrenza di un'entità denominata nel testo, ma non identifica l'entità specifica (vedere ). (it)
- L'annotation sémantique est l'opération consistant à relier le contenu d'un texte à des entités dans une ontologie. Par exemple, pour la phrase «Paris est la capitale de la France.», l'annotation correcte de Paris serait Paris et non Paris Hilton. L'annotation sémantique est une variante plus détaillée mais moins exacte de la méthode des entitiés nommées, car ces dernières décrivent seulement la catégorie de l'entité (Paris est une ville, sans la relier à la bonne page Wikipédia). (fr)
- У обробці природної мови зв'язування сутностей (англ. Entity Linking), яке також називають зв'язування іменованих сутностей (ЗІС), розпізнавання іменованих сутностей (РІС), розпізнавання і неоднозначності іменованих сутностей (РНІС) або нормалізація іменованих сутностей (НІС), — цe присвоєння унікальної ідентичності об'єктам (наприклад, відомим особам, місцям чи компаніям), що згадуються у тексті. Наприклад, розглянемо речення «Дніпро — річка України». Ідея полягає в тому, щоб визначити, що «Дніпро» належить до річки Дніпро, а не до Дніпро-арена чи будь-якої іншої організації, яку можна назвати «Дніпро». Зв'язування сутностей відрізняється від розпізнавання іменованих сутностей (РІС) тим, що РІС ідентифікує появу іменованої сутності в тексті, але не визначає, що саме це за сутність (див. В (uk)
- Cвязывание именованных сущностей (от англ. Named Entity Linking, NEL) — задача, заключающаяся в определении идентичности сущностей, упомянутых в тексте.Рассмотрим, например, предложение «Я поеду в Киров на выходных». Суть связывания, в этом случае, будет заключаться в соотнесении слова «Киров» с городом Киров, а не с человеком по фамилии Киров, или с чем-либо ещё.NEL отличается от (Named Entity Recognition, NER) тем, что NER определяет тип упоминаемой сущности (Личность, Географическая локация, Организация и т. п.), но не связывает сущность с каким-либо конкретным объектом. (ru)
|
| has abstract
| - In natural language processing, entity linking, also referred to as named-entity linking (NEL), named-entity disambiguation (NED), named-entity recognition and disambiguation (NERD) or named-entity normalization (NEN) is the task of assigning a unique identity to entities (such as famous individuals, locations, or companies) mentioned in text. For example, given the sentence "Paris is the capital of France", the idea is to determine that "Paris" refers to the city of Paris and not to Paris Hilton or any other entity that could be referred to as "Paris". Entity linking is different from named-entity recognition (NER) in that NER identifies the occurrence of a named entity in text but it does not identify which specific entity it is (see Differences from other techniques). (en)
- L'annotation sémantique est l'opération consistant à relier le contenu d'un texte à des entités dans une ontologie. Par exemple, pour la phrase «Paris est la capitale de la France.», l'annotation correcte de Paris serait Paris et non Paris Hilton. L'annotation sémantique est une variante plus détaillée mais moins exacte de la méthode des entitiés nommées, car ces dernières décrivent seulement la catégorie de l'entité (Paris est une ville, sans la relier à la bonne page Wikipédia). La tâche d'annotation sémantique est souvent considéré comme un des aspects applicatifs du Web sémantique, notamment pour trouver les métadonnées en relation avec l'identité sémantique des données annotées. (fr)
- Nell'ambito dell'elaborazione del linguaggio naturale, l'entity linking, noto anche come named entity linking (NEL), named entity disambiguation (NED), named entity recognition e disambiguation (NERD) o named entity normalization (NEN) è il compito di assegnare un'identità univoca a entità (come personaggi famosi, luoghi o aziende) menzionate in un testo. Ad esempio, data la frase "Washington è la capitale degli Stati Uniti", l'idea è di determinare che "Washington" si riferisce alla città di Washington e non a George Washington o qualsiasi altra entità che potrebbe essere indicata come "Washington". L'entity linking è diverso dal (NER) in quanto il NER identifica l'occorrenza di un'entità denominata nel testo, ma non identifica l'entità specifica (vedere ). Nell'entity linking, ciascuna named entity è collegata ad un identificatore univoco. Spesso, questo identificatore è nua pagina di Wikipedia. (it)
- エンティティ・リンキング（英: entity linking、named entity linking、entity disambiguation）は、テキスト中のエンティティ名をWikipedia等の知識ベース上のエントリに結びつける自然言語処理のタスクである。例えば、ワシントンというエンティティ名は、地名（ワシントン州、ワシントンD.C.）や、人名（ジョージ・ワシントン、デンゼル・ワシントン）等を示す可能性がある。しかし、"ワシントンはアメリカにある州の一つである"という文の場合は、ワシントン州を指すことは明らかである。エンティティ・リンキングは、テキストからのエンティティ名の抽出だけでなく、知識ベースに結びつけることで、エンティティの曖昧性の解消までを行うため、固有表現抽出とは異なるタスクである。 (ja)
- У обробці природної мови зв'язування сутностей (англ. Entity Linking), яке також називають зв'язування іменованих сутностей (ЗІС), розпізнавання іменованих сутностей (РІС), розпізнавання і неоднозначності іменованих сутностей (РНІС) або нормалізація іменованих сутностей (НІС), — цe присвоєння унікальної ідентичності об'єктам (наприклад, відомим особам, місцям чи компаніям), що згадуються у тексті. Наприклад, розглянемо речення «Дніпро — річка України». Ідея полягає в тому, щоб визначити, що «Дніпро» належить до річки Дніпро, а не до Дніпро-арена чи будь-якої іншої організації, яку можна назвати «Дніпро». Зв'язування сутностей відрізняється від розпізнавання іменованих сутностей (РІС) тим, що РІС ідентифікує появу іменованої сутності в тексті, але не визначає, що саме це за сутність (див. Відмінності від інших технік). (uk)
- Cвязывание именованных сущностей (от англ. Named Entity Linking, NEL) — задача, заключающаяся в определении идентичности сущностей, упомянутых в тексте.Рассмотрим, например, предложение «Я поеду в Киров на выходных». Суть связывания, в этом случае, будет заключаться в соотнесении слова «Киров» с городом Киров, а не с человеком по фамилии Киров, или с чем-либо ещё.NEL отличается от (Named Entity Recognition, NER) тем, что NER определяет тип упоминаемой сущности (Личность, Географическая локация, Организация и т. п.), но не связывает сущность с каким-либо конкретным объектом. Связывание именованных сущностей требует наличие базы знаний, содержащей сущности (или концепты), с которыми упоминания могут быть связаны.Популярным решением для связывания сущностей в тексте из открытых источников являются базы знаний, основанные на Wikipedia, в которых каждая страница является именованной сущностью.NEL, использующий сущности Wikipedia, иногда называют викификаторами (англ. wikification). База знаний также может быть получена автоматически из обучающего текста или построена вручную. Упоминание именованных сущностей может быть существенно неоднозначным, любой метод связывания должен уметь устранять эту неоднозначность.Было испробовано множество подходов для решения этой проблемы. Одним из плодотворных вариантов решения этой проблемы было предложено Милне и Виттеном (Milne and Witten), оно было основано на применении обучения с учителем с использованием текста ссылок wikipedia в качестве обучающих данных.Кулкарни и др. использовали общее свойство близких по теме документов ссылаться на сущности сильно связанных типов.Список самых современных систем для связывания именованных сущностей включает в себя AIDA,AGDISTIS,Babelfyи TagMe. Связывание именованных сущностей используется для улучшения качества систем информационного поискаи для улучшения качества электронных библиотек.NEL также является ключом к построению семантического поиска. Например, NEL был успешно применен для валидации результата методов распознания именованных сущностей с использованием предположения о том, что каждый текст имеет специфичную область и контекст, и, следовательно, сущности, упомянутые в этом тексте, должны были иметь семантическую связь между собой. Измерение семантической близости может быть использовано для фильтрации ошибок в идентификации сущностей вне контекста,даже когда для единственного упоминания возможно множество интерпретаций. Компания по оценке NEL (Entity Linking evaluation campaigns) организована Национальным Институтом Стандартов и Технологий США (NIST) в контексте задачи Пополнения Баз Знаний (Knowledge Base Population task) Конференции Анализа Текста (Text Analysis Conference). (ru)
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)
