标签: entity-linking

我研究有关知识网络中链接预测的论文。作者通常报告“Hits@k”。我想知道如何计算 hist@k 以及它对模型和结果意味着什么？

我正在尝试使用https://github.com/explosion/spaCy/tree/master/bin/wiki_entity_linking 中的脚本，使用 Wikidata 和 Wikipedia 训练 Spacy 实体链接模型。我已经生成了知识库并开始训练模型，但一个多星期后还没有完成。正常应该需要多久？（我没有使用 GPU）

或者，是否有我可以使用的预训练 Wikidata 实体链接模型？

谢谢

我对词向量的工作原理感到非常困惑，特别是关于 spacy 的实体链接（https://spacy.io/usage/training#entity-linker）。

将实体添加到知识库时，参数之一是entity_vector。你怎么得到这个？我试过做

nlp = spacy.load('en_core_web_sm')
kb = KnowledgeBase(vocab = nlp.vocab, entity_vector_length = 96)
for n in m_yentities:
    kb.add_entity(entity = n, freq = ___, entity_vector = **nlp(n).vector**)

** 代码给了我长度为 96 的向量，所以这就是我使用的entity_vector_length，尽管在示例中他们使用 3。我只是想知道我的方法是否可以，但我对此感到有点困惑。