BELHD：通过同名词消歧改进生物医学实体链接

生物医学实体链接（BEL）是将实体提及链接到知识库（KB）的任务。基于名称的方法是该任务的一种流行方法，即通过稠密检索或自回归建模，为给定提及识别知识库中最合适的名称。然而，由于这些方法直接返回知识库名称，它们无法处理同名词，即共享完全相同名称的不同知识库实体。这显著影响了它们的性能，尤其是在同名词占实体提及很大比例的知识库中（例如UMLS和NCBI Gene）。因此，我们提出了BELHD（Biomedical Entity Linking with Homonym Disambiguation，带同名词消歧的生物医学实体链接），一种应对这一挑战的新的基于名称的方法。具体而言，BELHD在BioSyn（Sung等人，2020）模型的基础上引入了两个关键扩展。首先，它对知识库进行预处理，通过自动选择的消歧字符串扩展同名词，从而强制实现唯一的链接决策。其次，我们引入了候选共享，这是一种为对比学习选择候选实体的新策略，可增强整体训练信号。在10个语料库和五种实体类型上的实验表明，BELHD优于当前最先进的方法，在10个语料库中的6个上取得了最佳结果，召回率@1平均提升4.55个百分点。此外，知识库预处理与核心预测模型正交，因此也能改进其他方法，我们以GenBioEL（Yuan等人，2022）这一生成式基于名称的BEL方法为例进行了验证。代码将在发表时提供链接。