CHOLAN：一种面向维基百科与 Wikidata 上神经实体链接的模块化方法
计算与语言
2021-02-09 v2
摘要
本文中，我们提出 CHOLAN，一种针对知识库上端到端实体链接(EL)的模块化方法。CHOLAN 由依次集成的两个基于 transformer 的模型流水线组成以完成 EL 任务。第一个 transformer 模型识别给定文本中的表层形式(实体提及)。对每个提及，采用第二个 transformer 模型在预定义候选列表中分类目标实体。后一个 transformer 由从句子捕获的丰富上下文(即局部上下文)以及从 Wikipedia 获得的实体描述所馈入。此类外部上下文在现有最先进 EL 方法中未被使用。我们的实证研究在两个知名知识库(即 Wikidata 与 Wikipedia)上进行。实证结果表明，CHOLAN 在 CoNLL-AIDA、MSNBC、AQUAINT、ACE2004 与 T-REx 等标准数据集上优于最先进方法。
引用
@article{arxiv.2101.09969,
title = {CHOLAN: A Modular Approach for Neural Entity Linking on Wikipedia and Wikidata},
author = {Manoj Prabhakar Kannan Ravi and Kuldeep Singh and Isaiah Onando Mulang' and Saeedeh Shekarpour and Johannes Hoffart and Jens Lehmann},
journal= {arXiv preprint arXiv:2101.09969},
year = {2021}
}
备注
accepted in EACL 2021 (full paper)