JEL：在 JPMorgan Chase 中应用端到端神经实体链接

知识图谱已成为捕捉企业感兴趣实体之间关键关系的引人注目的抽象概念，同时用于整合来自异构数据源的数据。JPMorgan Chase (JPMC) 正在通过在组织内部推广知识图谱，为诸如风险评估、欺诈检测、投资建议等多个关键任务应用知识图谱。利用知识图谱的核心问题是将在文本来源中遇到的提及（例如公司名称）链接到知识图谱中的实体。虽然已有多种实体链接技术，但它们针对的是存在于维基百科中的实体进行调优，无法为企业感兴趣的实体实现泛化。在本文中，我们提出了一种新颖的端到端神经实体链接模型（JEL），其使用最小的上下文信息和边际损失生成实体嵌入，并使用 Wide & Deep 学习模型分别匹配字符和语义信息。我们表明，JEL 在将金融新闻中的公司名称提及链接到知识图谱中的实体方面实现了最新的性能。我们报告了将该模型部署到公司范围内系统以对金融新闻生成警报的努力。JEL 的方法直接适用于并且可被其他需要为其特定情况下独特数据实现实体链接解决方案的企业使用。