MOLEMAN：基于提及标注网络的仅提及实体链接方法
信息检索
2022-07-26 v2 计算与语言
机器学习
社会与信息网络
摘要
我们提出了一种基于实例的近邻实体链接方法。与大多数将每个实体表示为单一向量的已有实体检索系统不同，我们构建了一个上下文感知的提及编码器，该编码器学习将同一实体的相似提及在向量空间中放置得比不同实体的提及更近。这种方法允许一个实体的所有提及都作为“类原型”，因为推理涉及从训练集中带标签的实体提及全集进行检索，并应用最近提及邻域的实体标签。我们的模型在从维基百科超链接派生的大规模多语言提及对语料库上训练，并在一个包含 7 亿条提及的索引上执行近邻推理。它训练更简单，给出更具可解释性的预测，并在两个多语言实体链接基准上优于所有其他系统。
引用
@article{arxiv.2106.07352,
title = {MOLEMAN: Mention-Only Linking of Entities with a Mention Annotation Network},
author = {Nicholas FitzGerald and Jan A. Botha and Daniel Gillick and Daniel M. Bikel and Tom Kwiatkowski and Andrew McCallum},
journal= {arXiv preprint arXiv:2106.07352},
year = {2022}
}
备注
Accepted to ACL 2021, edit to add missing Turkish results in Tables 2 and 7