[论文解读] Use of Wikipedia Categories in Entity Ranking

James A. Thom, Jovan Pehcevski+1 more|ArXiv.org|Nov 19, 2007

Natural Language Processing Techniques参考文献 14被引用 13

一句话总结

本文提出通过利用示例实体的类别信息来增强维基百科中的实体排序，采用类别相似度与混合评分策略以提升检索效果。主要发现是，使用示例实体的类别显著优于使用松散定义的目标类别，相较于仅使用类别的方法，MAP（0.396）实现了17%的相对提升。

ABSTRACT

Wikipedia is a useful source of knowledge that has many applications in language processing and knowledge representation. The Wikipedia category graph can be compared with the class hierarchy in an ontology; it has some characteristics in common as well as some differences. In this paper, we present our approach for answering entity ranking queries from the Wikipedia. In particular, we explore how to make use of Wikipedia categories to improve entity ranking effectiveness. Our experiments show that using categories of example entities works significantly better than using loosely defined target categories.

研究动机与目标

• 通过将维基百科类别作为知识源，提升维基百科中实体排序的有效性。
• 探究示例实体与目标类别在引导实体排序方面何者更有效。
• 开发并评估一种结合全文检索、类别相似度与基于链接信号的混合评分模型。
• 确定将类别相似度整合到实体排序中的最优参数组合。
• 比较不同查询策略（目标类别与示例实体）在实体排序任务中的性能表现。

提出的方法

• 该方法利用维基百科类别作为结构化知识源，计算示例实体与候选答案之间的类别相似度。
• 混合评分模型结合了三个部分：全文检索、类别相似度与基于链接的排序，其可学习权重为 α 和 β。
• 类别相似度通过基于路径的度量方法计算，考虑维基百科类别层级中的距离与深度。
• 系统使用 INEX 2007 实体排序测试集（共28个主题）中的 MAP 与 R-prec 评估性能。
• 通过在66种组合中进行网格搜索，确定最优参数为 α=0.1 和 β=0.8，以最大化 MAP。
• 该方法比较了两种查询策略：使用目标类别（任务1）与使用示例实体（任务2）以推断目标类别。

实验结果

研究问题

• RQ1 与使用松散定义的目标类别相比，使用示例实体的类别是否能提升实体排序性能？
• RQ2 在结合全文检索与基于链接的信号时，类别相似度在增强实体排序方面的有效性如何？
• RQ3 在实体排序中，整合全文检索、类别与基于链接得分的最优权重组合是什么？
• RQ4 维基百科类别的结构特性是否能被有效利用以提升实体检索效果？
• RQ5 使用示例实体推断类别进行实体排序的性能是否显著优于使用显式目标类别？

主要发现

• 使用示例实体类别（任务2）显著优于使用目标类别（任务1），MAP 提升具有统计显著性（p < 0.05）。
• 表现最佳的混合模型在 α=0.1 与 β=0.8 条件下取得 MAP=0.396，相较于仅使用类别的基线方法（MAP=0.338）实现了17%的相对提升。
• 类别相似度模块本身取得 MAP=0.338，但显著低于混合模型的表现。
• 将示例实体与答案实体的类别集合扩展至其直接类别之外，导致性能显著下降。
• 最优参数组合（α=0.1，β=0.8）在两个任务中均保持一致，表明评分模型具有鲁棒性。
• 结果表明，基于示例的查询策略在维基百科实体排序中比基于目标类别的策略更为有效。