通过建模潜在实体类型信息改进实体链接
计算与语言
2020-01-07 v1
摘要
现有最先进的神经实体链接模型采用基于注意力的词袋上下文模型，以及从词嵌入引导得到的预训练实体嵌入来评估主题级上下文兼容性。然而，提及所处直接上下文中的潜在实体类型信息被忽略，导致模型常将提及链接到类型错误的错误实体。为解决此问题，我们提出基于预训练 BERT 将潜在实体类型信息注入实体嵌入。此外，我们将基于 BERT 的实体相似度分数整合进最先进模型的局部上下文模型中，以更好地捕捉潜在实体类型信息。我们的模型在标准基准（AIDA-CoNLL）上显著优于最先进的实体链接模型。详细的实验分析表明，我们的模型纠正了直接基线所产生的大部分类型错误。
引用
@article{arxiv.2001.01447,
title = {Improving Entity Linking by Modeling Latent Entity Type Information},
author = {Shuang Chen and Jinpeng Wang and Feng Jiang and Chin-Yew Lin},
journal= {arXiv preprint arXiv:2001.01447},
year = {2020}
}
备注
Accepted by AAAI 2020