Although entity linking is a widely researched topic, the same cannot be said for entity linking
geared for languages other than English. Several limitations including syntactic features and the relative
lack of resources prevent typical approaches to entity linking to be used as e ectively for other languages
in general. We describe an entity linking system that leverage semantic relations between entities within
an existing knowledge base to learn and perform entity linking using a minimal environment consisting of
a part-of-speech tagger. We measure the performance of our system against Korean Wikipedia abstract
snippets, using the Korean DBpedia knowledge base for training. Based on these results, we argue
both the feasibility of our system and the possibility of extending to other domains and languages in
general.
개체명 인식은 영어에 대해서는 널리 연구되고 있으나, 영어 외의 언어에 대해서는 그렇지 못하다. 영어 중심으로 진행되는 개체명 인식 연구의 성과물을 다른 언어에 적용하면 영어에서만큼 효과를 보지 못하는데, 언어적 특성의 차이와 언어 관련 자원의 부족 등의 문제점이 그 원인이 된다. 이 논문에서 우리는 기존 지식 데이터베이스 내에 존재하는 개체 및 개체 간 관계 정보를 이용하여, 형태소 분석기만을 이용하여 개체명 인식을 학습 및 실행하는 개체명 인식 시스템을 소개한다. 이 시스템의 성능은 한국어 디비피디아를 학습한 뒤 한국어 위키피디아 초록에 대해 측정한다. 이렇게 얻은 결과를 통해 우리는 한국어 개체명 인식에 대한 기존 시스템에 대비한 이 시스템의 우수성, 그리고 한국어 외의 언어 및 도메인을 위한 확장성에 대한 정당성을 제시한다.
