基于 PageRank 的 Dual-FOFE-net 神经实体链接模型
计算与语言
2019-07-31 v1 信息检索
机器学习
摘要
本文提出了一种简单且计算高效的实体链接（EL）方法，相较于循环神经网络（RNNs）或卷积神经网络（CNNs），其利用前馈神经网络（FFNNs）与近期的双固定尺寸有序遗忘编码（dual-FOFE）方法，将句子片段及其左右上下文完整编码为固定尺寸的表示。此外，本工作中我们提出在候选生成模块中引入基于 PageRank 的蒸馏。我们的神经链接模型由三部分组成：基于 PageRank 的候选生成模块、dual-FOFE-net 神经排序模型以及简单的 NIL 实体聚类系统。实验结果表明，在 TAC2016 任务数据集上，我们提出的神经链接模型相较基线系统在 EL 准确率上优于最先进模型，且无需任何内部数据或复杂手工特征。此外，其在 TAC2017 任务数据集上取得了有竞争力的准确率。
引用
@article{arxiv.1907.12697,
title = {Dual-FOFE-net Neural Models for Entity Linking with PageRank},
author = {Feng Wei and Uyen Trang Nguyen and Hui Jiang},
journal= {arXiv preprint arXiv:1907.12697},
year = {2019}
}
备注
ICANN 2019