通过语义增强实体嵌入改进实体链接
计算与语言
2021-06-17 v1
摘要
实体嵌入像词嵌入一样用单一向量表示每个实体的不同方面，是神经实体链接模型的关键组件。现有实体嵌入从规范的维基百科文章和围绕目标实体的局部上下文学习得到。此类实体嵌入有效，但对链接模型学习上下文共性而言过于独特。我们提出一种简单而有效的方法 FGS2EE，将细粒度语义信息注入实体嵌入以降低独特性并促进上下文共性的学习。FGS2EE 首先使用语义类型词的嵌入生成语义嵌入，然后通过线性聚合将其与现有实体嵌入结合。大量实验显示了此类嵌入的有效性。基于我们的实体嵌入，我们在实体链接上取得了新的 SOTA 性能。
引用
@article{arxiv.2106.08495,
title = {Improving Entity Linking through Semantic Reinforced Entity Embeddings},
author = {Feng Hou and Ruili Wang and Jun He and Yi Zhou},
journal= {arXiv preprint arXiv:2106.08495},
year = {2021}
}
备注
6 pages, 3 figures, ACL 2020