(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210931239.5 (22)申请日 2022.08.04 (71)申请人 中译语通科技股份有限公司 地址 100040 北京市石景山区石景山路20 号16层16 01 (72)发明人 蔡超　严凤兵　郝雁华　 (74)专利代理 机构 北京万贝专利代理事务所 (特殊普通 合伙) 11520 专利代理师 代亚欣 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/31(2019.01) G06N 3/04(2006.01) (54)发明名称 一种跨语言实体链接方法、 系统、 设备及终 端 (57)摘要 本发明属于跨语 言实体链接技术领域， 公开 了一种跨语言实体链接方法、 系统、 介质、 设备及 终端， 所述跨语言实体链接方法包括： 搜索候选 实体， 构建实体名 索引； 构建基于不同线索的实 体链接模型； 基于属性的实体链接进行向量嵌入 及融合； 基于共现实体的多线索实体链接。 本发 明使用三种线索实现了实体链接， 线索分别是实 体属性、 共现实体、 上下文描述， 并结合运用了 LSTM、 CNN、 GCN等神经网络结构进行词 嵌入表示 与网络建模， 相较于传统实体链接技术具有更强 的语义表征能力和链接方法具有跨语 言能力； 通 过分析不同形式的信息， 实现三种不同结构的多 线索跨语言实体链接算法， 完成了新闻文本跨语 言人物、 机构等实体和给定知识库的精准链接 。 权利要求书3页 说明书8页 附图3页 CN 115470358 A 2022.12.13 CN 115470358 A 1.一种跨语言实体链接方法， 其特征在于， 所述跨语言实体链接方法包括： 搜索候选实 体， 构建实体名索引； 利用构建的实体链接模型实现跨语言实体链接； 所述实体链接模型包含三种实体链接计算模型： 基于属性、 基于共现实体、 基于上下文 的实体链接模型， 根据输入信息的不同线索， 选取相应的模型进行计算， 得到实体链接结 果。 2.如权利要求1所述的跨语言实体链接方法， 其特征在于， 所述实体链接模型的构建方 法包括： 构建基于不同线索的实体链接模型； 基于属性的实体链接进行向量嵌入及融合； 基于共现实体的多 线索实体链接 。 3.如权利要求1所述的跨语言实体链接方法， 其特征在于， 所述跨语言实体链接方法还 包括： 对于给定语种的指称， 找到在知识图谱中的候选实体； 根据中英文的实体名和实体描 述， 将每个不同的描述文本映射到其目标实体名， 构建实体名索引； 构建索引后， 将指称项进行词嵌入， 与图谱中的实体计算相似度， 筛选相似度大于规定 阈值的候选项后， 利用向量融合的方法将其 他语种的实体映射到同一向量空间中； 构建基于不同线索的实体链接模型： 基于属性、 基于共现实体、 基于上下文的实体链 接， 并通过候选实体集合以及提供线索选择不同的实体链接模型， 得到指称项在不同语种 中的跨语言链接结果； 基于属性的实体链接， 将 实体指称项与属性描述进行向量嵌入后经过图卷积模型进行 融合， 计算各自属性向量的求和平均值作为实体之前的相似度系数， 从而求出链接实体； 基于共现实体的实体链接， 利用相似系数计算共现实体在中心实体所占的比重的注意 力特征， 结合共现关系的向量 化特征计算目标实体与图谱中实体的相似度， 得到链接实体； 基于上下文的实体链接， 将 实体指称与属于实体共指链的上下文组合在一起形成句子 序列， 使用神经网络模型对序列建模， 与图谱中实体作相似度计算， 得到链接实体。 4.如权利要求1所述的跨语言实体链接方法， 其特征在于， 所述跨语言实体链接方法包 括以下步骤： 步骤一， 从已有知识库中获取实体名—实体描述文本， 根据既有知识库， 将不同语种的 实体描述文本映射到其在知识库中的实体名称， 利用多语言知识库构建实体名索引； 构建 索引可以有效降低候选实体的检索时间； 步骤二， 获取待链接目标文本， 从文本中抽取待链接的实体指称项以及实体上下文描 述， 获取该实体拥有的属性， 以及文本中出现的共现实体； 步骤三， 通过实体名索引， 计算实体指称项与知识库中实体之间的相似度， 将相似度与 预设的候选实体阈值进行比较， 并判断是否存在相似度分数小于所述 候选实体阈值； 若是， 则对于该指称项放弃所述实体； 若否， 则将所述实体加入指称项的候选实体集合 中， 并转向步骤三； 先一 步筛选候选实体减少后续模型的计算 量； 步骤四， 利用向量融合方法将其他语言的词向量映射为英语的词向量， 将不同语种的 向量映射到同一向量空间中； 将所有实体映射到同一向量空间以实现跨语言的实体比较； 步骤五， 通过候选实体集合以及提取出的线索选择不同的实体链接模型， 合并各个模权　利　要　求　书 1/3 页 2 CN 115470358 A 2型的链接结果， 得到指称项在不同语种中最终的跨语言链接结果； 根据线索选择不同的链 接模型， 更全面 地利用实体的信息进行实体链接的计算， 使得链接结果更加准确且合理。 5.如权利要求4所述的跨语言实体链接方法， 其特征在于， 所述步骤一中， 对于跨语言 实体链接实体名索引， 使用英文维基百科索引， 并从各自的目标语言维基百科构建实体名 索引； 其中， 所述英文维基百 科索引从英文快照构建； 使用经典word2vec中的CBOW模型生成各语种的单词嵌入； 将所有知识库的实体用向量 表示存储在数据库中。 6.如权利要求4所述的跨语言实体链接方法， 其特征在于， 所述步骤四中， 使用多种不 同的向量融合方法对比， 包括： CCA： 对不同语言的文本执行SVD后， 对平行语料库中对齐的单词的向量对应用典型相 关分析CCA， 从而学习向量； 对于跨语言实体链接， 使用从维基百科中的跨语言链接获得的 标题映射构建的嵌入； MultiCCA： 在CCA的基础 上， 使用线性算子将除母语外的每种语言中的预训练单语嵌入 投影到预训练母语单词嵌入的向量空间； LS： 其他语种嵌入直接投影到母语上， 映射 通过多元回归构建。 7.如权利要求4所述的跨语言实体链接方法， 其特征在于， 所述步骤五中， 基于属性的 链接、 基于共现实体的链接和基于上 下文的链接； 利用以下距离方式计算属性向量： OAE＝‑∑(a,c)∈Hwa,c·logp(c|a)； 其中， w表示类型权重， 若具有相同类型的属性， 权重值会更高， 从而将具有相关性的属 性嵌入到相似的空间； 利用相似系数计算共现实体在中心实体所占的比重， 计算方法为： eij＝a([Whi][Whj]),j∈Ni； 其中， W为参数矩阵， h为各个实体经 过向量融合后的向量； 利用多粒度文本对指称项 进行向量嵌入： 利用NTN函数对menti on的上下文进行建模， 形成menti on的细粒度上 下文表示。 8.一种实施权利要求1～7任意一项所述的跨语言实体链接方法的跨语言实体链接系 统， 所述跨语言实体链接系统包括： 候选实体搜索模块， 对于给定语种的指称， 找到在 知识图谱中的候选实体； 实体名索引构建模块， 用于根据中英文的实体名和实体描述， 将每个不同的描述文本 映射到其目标实体名， 构建实体名索引； 向量融合模块， 构建索引后， 用于将指称项进行词嵌入， 与图谱中的实体计算相似度， 筛选相似度大于规定阈值的候选项后， 利用向量融合的方法将其他语种的实体映射到同一 向量空间中； 实体链接模型构建模块， 用于基于属性、 基于共现实体、 基于上下文的实体链接， 并通 过候选实体集合以及提供线索选择不同的实体链接模型， 得到指称项在不同语种中的跨语 言链接结果；权　利　要　求　书 2/3 页 3 CN 115470358 A 3