1. 挑战

• 如何量化不同数据源中实体的相似性
  • 可能没有重叠信息，需要设计一种量化规则
• 如何确定同名人数
  • 现有方案通常预先指定
• 如何整合连续的数据
  • 为确保作者经历，需要最小化作者职业生涯中的时间和文章间的间隔，保证其连续性
• 如何实现一个循环的系统
  • 没有任何人为交互的消歧系统不够充实，利用人的反馈实现高的消歧准确性

2. 整体框架介绍

• 量化相似性
  • 提出了一种结合全局度量和局部链接的学习算法，将每个实体投影到低维的公共空间，可直接计算其相似性
• 确定簇数
  • 提出一种端到端的模型，使用递归神经网络直接估算簇数
• 结合人的参与
  • 定义了来自用户/注释的6个潜在特征，将其结合到框架的不同组件中以改善消歧准确性

3. 相关研究

• 基于特征的方法
  • 利用监督学习方法，基于文档特征向量学习每对文档间的距离函数
  • Huang：首先使用块技术将具有相似名称的候选文档组合，然后通过 SVM 学习文档间距离，使用 DBSCAN 聚类文档
  • Yoshida：提出两阶段聚类方法，在初次聚类后学习更好的特征
  • Han：提出基于 SVM 和 Naive Bayes 的监督消歧方法
  • Louppe：使用分类器学习每对的相似度并使用半监督层次聚类
• 基于链接的方法
  • 利用来自邻居的拓扑和信息
  • 关键字：