JEL：一种将知识图谱实体与新闻提及关联的新模型
机器学习
2025-09-11 v1 人工智能
摘要
我们提出了 JEL，这是一种新颖的计算高效的端到端多神经网络实体链接模型，其性能超越了当前最先进的模型。知识图谱已成为捕捉感兴趣实体之间关键关系并整合来自多个异构来源数据的有力抽象。利用知识图谱的核心问题是将其实体正确地与文本来源（如新闻、博客等）中遇到的提及（例如人名、公司名称）关联起来，因为每个提及都有成千上万个实体需要考虑。这种关联提及和实体的任务被称为实体链接。它是自然语言处理的一项基础任务，在各种用例中都有益处，例如构建新闻分析平台。JPMorgan 的新闻分析是一项对公司多个团队至关重要的任务。根据创新数字团队进行的调查，公司内大约有 25 个团队正在积极寻找新闻分析解决方案，每年花费超过 200 万美元用于外部供应商成本。实体链接对于连接非结构化新闻文本和知识图谱至关重要，使用户能够访问知识图谱中大量的精选数据，并极大地便利他们的日常工作。
引用
@article{arxiv.2509.08086,
title = {JEL: A Novel Model Linking Knowledge Graph entities to News Mentions},
author = {Michael Kishelev and Pranab Bhadani and Wanying Ding and Vinay Chaudhri},
journal= {arXiv preprint arXiv:2509.08086},
year = {2025}
}