实体摘要（Entity Summarization），是知识图谱研究与应用中的一个关键问题。南京大学Websoft团队为此制作了一个评测集，称作ESBM，是目前可以公开获取的规模最大的评测集。这项工作被知识图谱领域重要国际会议ESWC 2020（CCF-C类）授予“最佳资源论文提名奖”。以下是论文第一作者博士生刘庆霞对这项工作的介绍。

RDF数据集，如知识图谱，采用大量三元组描述实体。实体摘要的任务，就是从描述给定实体的大量三元组中，选出一个满足容量限制的最优子集作为实体的摘要。研究领域对该问题提出了多种求解方法，然而这些方法之间缺乏统一的比较。原因之一在于缺乏高质量的评测集。为此，我们构建并发布了评测集ESBM，其是目前实体摘要领域公开发布的规模最大的评测集。此外，基于ESBM，我们实验评测了9个现有实体摘要方法，以及基于监督学习的实体摘要方法。

本文介绍了ESBM评测集的构造、分析和相关评测实验的主要内容，更多详细内容，欢迎阅读我们发表在ESWC 2020的研究论文：

Qingxia Liu, Gong Cheng, Kalpa Gunaratna, Yuzhong Qu: ESBM: An Entity Summarization BenchMark. ESWC 2020: 548-564

该评测集的相关数据和代码已在GitHub公开发布：https://github.com/nju-websoft/ESBM

内容中包含的图片若涉及版权问题，请及时与我们联系删除