通过知识库推理改进实体消歧
计算与语言
2022-07-12 v1
摘要
近期在实体消歧（ED）方面的工作通常忽视了结构化的知识库（KB）事实，而是依赖于 KB 信息的有限子集，例如实体描述或类型。这限制了可消歧实体的上下文范围。为了能够利用所有 KB 事实以及描述和类型，我们引入了一种 ED 模型，该模型以完全可微分的方式在符号知识库上进行推理从而链接实体。我们的模型在六个成熟的 ED 数据集上以平均 1.3 F1 超越最先进的基线。通过允许访问所有 KB 信息，我们的模型较少依赖基于流行度的实体先验，并在具有挑战性的 ShadowLink 数据集（强调罕见且模糊的实体）上将性能提升了 12.7 F1。
引用
@article{arxiv.2207.04106,
title = {Improving Entity Disambiguation by Reasoning over a Knowledge Base},
author = {Tom Ayoola and Joseph Fisher and Andrea Pierleoni},
journal= {arXiv preprint arXiv:2207.04106},
year = {2022}
}
备注
Accepted at NAACL 2022