结合上下文,识别文本中的实体并将其关联到百科知识库中的唯一实体对象,同时输出实体在当前上下文最合适的上位概念,对文本中的实体进行辨别和理解。
例如:针对一段文本“刘德华的老婆是谁”,可识别出以下实体:
文本理解
结合百科知识库及文本上下文语境,可将文本中的实体关联到百科知识库中唯一的实体对象,达到对文本中知识消歧的作用,辅助文本理解。如:"李娜网球",会将"李娜"标注"李娜[中国女子网球名将]"。
知识抽取
抽取文本中的SPO(主语,谓语,宾语)三元组知识时,通过标注出文本中的百科实体,可提升知识抽取的准确率。
弱语境歧义消解
基于深度神经网络技术,构建基于知识图谱的知识表示及实体上下文语境搭配预测,解决弱语境下歧义问题。
标注目标更全面
对所有类型的通用实体(包括实例类的实体如刘德华、概念类的实体如大明星)进行统一实体标注,标注目标类型相比业界更广泛。
算法效果领先
大规模的知识图谱数据为实体标注提供了海量的背景知识,结合深度神经网络技术,算法效果优于已公开的主流算法。
商品规格 | 数量/时长 | 含税价格 |
---|---|---|
默认 | 1次 | ¥0 |