改进零样本多语言实体链接
计算与语言
2021-04-19 v1
摘要
实体链接——识别自由文本中对相关知识库表示的引用的任务——通常聚焦于单一语言。我们考虑多语言实体链接，即训练单一模型将引用链接到多种语言的同语言知识库。我们提出了一种神经排序器架构，其利用文本的多语言 transformer 表示，可轻松应用于多语言场景。随后我们探究了以一种语言（如英语）训练的神经排序器迁移至未见语言（如中文）的情况，发现性能存在一致但非大幅的下降。如何缓解这一性能下降？我们探索加入对抗目标以迫使模型学习语言不变表示。我们发现该方法在多个数据集上提升了召回率，常可匹配该语言内的性能，从而缓解了零样本迁移所产生的部分性能损失。
引用
@article{arxiv.2104.08082,
title = {Improving Zero-Shot Multi-Lingual Entity Linking},
author = {Elliot Schumacher and James Mayfield and Mark Dredze},
journal= {arXiv preprint arXiv:2104.08082},
year = {2021}
}