通过有效稠密表示改进零样本实体检索
计算与语言
2021-03-09 v1 信息检索
机器学习
摘要
实体链接（EL）旨在将文本中的实体提及对齐到知识库中的条目，通常由两个阶段组成：候选生成与候选排序。尽管多数方法聚焦于后者，但正是候选生成阶段为整个 EL 系统的时间与精度性能设定了上限。本工作的贡献在于显著改进候选生成，从而提升 EL 的性能阈值，通过在最小候选集（top-K）中生成包含黄金实体的候选。我们提出一种简单方法，通过基于 BERT 的双编码器将提及-实体对在稠密空间中高效嵌入。具体而言，我们在（Wu et al., 2020）基础上引入新的池化函数并融入实体类型侧信息。我们在 Zeshel 数据集上以 top-50 候选取得了 84.28% 的新最优精度，而（Wu et al., 2020）在 top-64 上为 82.06%。我们报告了使用所提模型在已见与未见实体数据集上广泛实验的结果。我们的结果表明，该方法可成为现有 EL 方法的有用补充。
引用
@article{arxiv.2103.04156,
title = {Improving Zero-Shot Entity Retrieval through Effective Dense Representations},
author = {Eleni Partalidou and Despina Christou and Grigorios Tsoumakas},
journal= {arXiv preprint arXiv:2103.04156},
year = {2021}
}
备注
8 pages, 2 figures