DELICATE：基于类别和时间证据的人类学实体链接
计算与语言
2026-05-25 v2
摘要
尽管自然语言处理领域取得了显著进展，但实体链接 (EL) 任务在人类学领域仍具有挑战性，due to 复杂的文档类型、缺乏领域特定数据集和模型，以及长尾实体，即在知识库中欠represent 的实体。本文旨在通过两个主要贡献来解决这些问题。第一个贡献是 DELICATE，这是一种新型的神经符号方法，用于处理历史意大利语的实体链接，将基于 BERT 的编码器与来自 Wikidata 的上下文信息相结合，以利用时间可信度和实体类型一致性来选择适当的 KB 实体。第二个贡献是 ENEIDE，这是一个来自两个覆盖自 19 世纪至 20 世纪的半自动抽取的、包含文学和政治文本的多域 EL 语料库。结果表明，DELICATE 在历史意大利语中超越了其他 EL 模型，即使与拥有数十亿参数的更大架构相较亦如此。此外，进一步的分析揭示了 DELICATE 置信度得分和特征灵敏度提供的结果在纯神经方法方面更具可解释性和可解释性。
引用
@article{arxiv.2511.10404,
title = {DELICATE: Diachronic Entity LInking using Classes And Temporal Evidence},
author = {Cristian Santini and Sebastian Barzaghi and Paolo Sernani and Emanuele Frontoni and Mehwish Alam},
journal= {arXiv preprint arXiv:2511.10404},
year = {2026}
}