To unify the individual similaritie

To unify the individual similarities into one global metric (Equation 1), we need a guiding premise of what manifest the prominence of an entity to a hashtag. Such a premise can be instructed through manual assessment (Meij et al., 2012; Guo et al.,
2013), but it requires human-labeled data and is biased from evaluator to evaluator. Other heuristics assume that entities close to the main topic of a text are also coherent to each other (Ratinov et al., 2011; Liu et al., 2013). Based on this, state-ofthe-art methods in traditional disambiguation estimate entity prominence by optimizing the overall coherence of the entities’ semantic relatedness.
However, this coherence does not hold for topics in hashtags: Entities reported in a big topic such as the Olympics vary greatly with different subevents. They are not always coherent to each other,as they are largely dependent on the users’ diverse attention to each sub-event. This heterogeneity of hashtags calls for a different premise, abandoning the idea of coherence.

Kết quả (Việt) 1:

Để thống nhất những điểm tương đồng cá nhân vào một toàn cầu mét (phương trình 1), chúng ta cần một tiền đề hướng dẫn của những gì thể hiện nổi bật của một tổ chức để một hashtag. Một tiền đề có thể được hướng dẫn thông qua đánh giá hướng dẫn sử dụng (Meij et al., năm 2012; Quách et al.,2013), nhưng nó đòi hỏi phải có nhãn nhân dữ liệu và thiên vị từ evaluator để mối thẩm định. Chẩn đoán khác cho rằng các thực thể gần với chủ đề chính của một văn bản có cũng chặt chẽ với nhau (Ratinov et al., năm 2011; Lưu et al., 2013). Dựa trên điều này, nhà nước của nghệ thuật phương pháp trong định hướng truyền thống ước tính thực thể nổi bật bằng cách tối ưu tính mạch lạc tổng thể của các thực thể ngữ nghĩa relatedness.Tuy nhiên, sự gắn kết này không giữ cho các chủ đề trong hashtags: cơ quan báo cáo trong một chủ đề lớn như thế vận hội khác nhau rất nhiều với subevents khác nhau. Họ không phải luôn luôn chặt chẽ với nhau, như họ là chủ yếu phụ thuộc vào sự chú ý của người dùng đa dạng để mỗi sự kiện phụ. Này heterogeneity hashtags kêu gọi một tiền đề khác nhau, từ bỏ ý tưởng về tính mạch lạc.

Kết quả (Việt) 2:

Để thống nhất những điểm tương đồng cá nhân vào một số liệu toàn cầu (phương trình 1), chúng ta cần một tiền đề hướng dẫn về những gì thể hiện sự nổi bật của một thực thể để một hashtag. Một tiền đề như vậy có thể được hướng dẫn thông qua đánh giá của nhãn hiệu (Meij et al, 2012;.. Guo et al,
2013), nhưng nó đòi hỏi dữ liệu con người có nhãn và có thành kiến từ người đánh giá để đánh giá. Heuristics khác giả định rằng các thực thể gần đến chủ đề chính của một văn bản cũng là mạch lạc với nhau (Ratinov et al, 2011;.. Liu et al, 2013). . Trên cơ sở này, phương pháp nhà ofthe-nghệ thuật trong truyền thống ước tính định hướng thực sự nổi bật bởi tối ưu hóa sự kết hợp tổng thể của mối quan ngữ nghĩa của các thực thể
Tuy nhiên, sự gắn kết này không giữ cho các chủ đề trong hashtags: Đối tượng báo cáo trong một chủ đề lớn như Thế vận hội thay đổi rất nhiều với subevents khác nhau. Họ không phải là luôn luôn gắn kết với nhau, vì chúng là phụ thuộc vào sự quan tâm đa dạng của người sử dụng để mỗi phụ kiện. Không đồng nhất này của hashtags gọi cho một tiền đề khác nhau, từ bỏ ý tưởng về sự gắn kết.