通过融合实体解码进行实体消歧
计算与语言
2024-05-09 v2 信息检索
摘要
实体消歧（ED）将歧义实体的提及链接到知识库中的指代实体，是实体链接（EL）的核心组成部分。现有的生成式方法在标准化ZELDA基准测试中相比分类方法显示出更高的准确率。然而，生成式方法存在需要大规模预训练和生成效率低下的问题。最重要的是，实体描述（可能包含区分相似实体的关键信息）常常被忽略。我们提出了一种编码器-解码器模型，利用更详细的实体描述来消歧实体。给定文本和候选实体，编码器学习文本与每个候选实体之间的交互，为每个候选实体生成表示。然后解码器融合所有候选实体的表示并选择正确的实体。我们在多个实体消歧基准上进行的实验表明，该模型具有强大且稳健的性能，特别是在ZELDA基准上比GENRE提高了+1.5%。此外，我们将该方法集成到检索/阅读器框架中，在GERBIL基准上观察到端到端实体链接相比EntQA提高了+1.5%。
引用
@article{arxiv.2404.01626,
title = {Entity Disambiguation via Fusion Entity Decoding},
author = {Junxiong Wang and Ali Mousavi and Omar Attia and Ronak Pradeep and Saloni Potdar and Alexander M. Rush and Umar Farooq Minhas and Yunyao Li},
journal= {arXiv preprint arXiv:2404.01626},
year = {2024}
}
备注
Accepted at NAACL'24 main