刘庆霞，李俊宥，程龚

南京大学计算机软件新技术国家重点实验室，江苏 南京 210023

1 引言

知识图谱可描述实体属性及实体间关系，提供丰富的知识。这种结构化的知识表示有助于数据融合与推理，便于应用对信息进行智能化处理。知识图谱已成为大数据环境下一种常用的数据形式，有效支撑着各类互联网应用，在搜索、电商、社交网络[1]等领域发挥着重要作用。在知识图谱中，实体、属性及其取值构成了描述该实体的一条三元组，DBpedia和Wikidata等知名知识图谱中包含的三元组总量达到十亿级，一些实体被许多三元组描述，例如，DBpedia中描述实体Barack Obama的三元组有一千多条。然而，在基于知识图谱为终端用户提供信息服务的应用中，为了避免用户信息过载，信息呈现空间通常有限，例如谷歌的知识卡片仅能呈现少量三元组，描述实体的三元组数量往往超过应用允许的限制。

研究者将解决上述问题的方法称作实体摘要（entity summarization，ES），目标是从知识图谱中描述实体的所有三元组中选取一个最优子集作为摘要呈现，在给定的容量限制内为用户提供实体的最关键信息。实体摘要已为多种下游应用提供了支持[2-3]。现有研究已提出多种实体摘要方法，并实现了各类实体摘要系统。实体摘要系统通常是对多种实体摘要技术特征（以下简称摘要特征）的综合，不同摘要特征体现了实体摘要关注的不同方面，例如实体摘要系统FACES-E[4]综合了频度、信息度和多样度等摘要特征。……