寻找资助：基于不完整资助知识库的实体链接
计算与语言
2022-09-21 v2 机器学习
摘要
从学术文章中自动抽取资助信息为产业界与研究领域增添重要价值，例如由资助机构追踪研究成果、基于所获资助为研究人员与大学画像，以及支持开放获取政策。识别并链接资助实体的两大挑战为：(i) 知识库(KB)的稀疏图结构，使得常用的基于图的实体链接方法在资助领域次优；(ii) KB 中实体的缺失，这（与近期零样本方法不同）要求将无 KB 条目的实体提及标记为 NIL。我们提出一种实体链接模型，能以时间和数据高效的方式执行 NIL 预测并克服数据稀缺问题。我们的模型构建于基于 transformer 的提及检测与双编码器模型之上以执行实体链接。我们展示了我们的模型优于已有的强基线。
引用
@article{arxiv.2209.00351,
title = {Find the Funding: Entity Linking with Incomplete Funding Knowledge Bases},
author = {Gizem Aydin and Seyed Amin Tabatabaei and Giorgios Tsatsaronis and Faegheh Hasibi},
journal= {arXiv preprint arXiv:2209.00351},
year = {2022}
}
备注
Accepted at COLING 2022