基于词典由粗到细检索器改进少样本与零样本实体链接
计算与语言
2023-08-15 v2
摘要
少样本和零样本实体链接聚焦于长尾与新兴实体，这类实体更具挑战性但更贴近真实场景。主流方法是“检索并重排”的两阶段框架。本文中，我们提出一种基于词典的由粗到细检索器，以有效方式检索实体候选，其分两层运作。第一层利用实体名称检索粗粒度候选，第二层在粗粒度候选中将搜索缩小至细粒度候选。此外，第二层利用实体描述来有效消歧与现有流行实体同名的长尾或新实体。实验结果表明，我们的方法在检索阶段无需大量微调即可获得优越性能。值得注意的是，我们的方法在NLPCC 2023共享任务6（中文少样本与零样本实体链接）中排名第1。
引用
@article{arxiv.2308.03365,
title = {Improving Few-shot and Zero-shot Entity Linking with Coarse-to-Fine Lexicon-based Retriever},
author = {Shijue Huang and Bingbing Wang and Libo Qin and Qin Zhao and Ruifeng Xu},
journal= {arXiv preprint arXiv:2308.03365},
year = {2023}
}
备注
Accepted to NLPCC2023