利用实体定义进行实体消歧
计算与语言
2022-10-12 v1 人工智能
机器学习
摘要
局部模型近来在实体消歧（ED）中取得了惊人性能，其中生成式与抽取式表述是最有前景的研究方向。然而，先前工作将其研究限制为仅使用每个候选实体的维基百科标题作为文本表示。尽管确实有效，该策略存在一些关键问题，尤其在标题信息量不足或彼此难以区分时。本文中，我们解决此局限并探究更具表达力的文本表示能在多大程度上缓解该问题。我们针对 ED 的标准基准彻底评估了我们的方法，发现抽取式表述特别适合这些表示：在我们考虑的 6 个基准中的 2 个上报告了新 state of the art（最优性能），并大幅提升了针对未见模式的泛化能力。我们在 https://github.com/SapienzaNLP/extend 发布了代码、数据与模型检查点。
引用
@article{arxiv.2210.05648,
title = {Entity Disambiguation with Entity Definitions},
author = {Luigi Procopio and Simone Conia and Edoardo Barba and Roberto Navigli},
journal= {arXiv preprint arXiv:2210.05648},
year = {2022}
}