BriefGPT.xyz
Mar, 2017
跨多语言的全球实体排名
Global Entity Ranking Across Multiple Languages
HTML
PDF
Prantik Bhattacharyya, Nemanja Spasojevic
TL;DR
使用Wikipedia和Freebase知识库,我们构建了一个全球长尾实体排名模型,涵盖多种语言。我们为实体识别提出了多个特征并建立了一个模型,使用一组超过一万个标签作为基础数据集。最终系统的准确率为75%,F1得分为48%。我们提供了性能评估和排名质量的经验证据,并为未来研究开放了最终排名列表。
Abstract
We present work on building a
global long-tailed ranking
of
entities
across multiple languages using
wikipedia
and
→