噪声文本的命名实体消歧
计算与语言
2017-07-04 v2
摘要
我们解决了噪声文本的命名实体消歧（NED）任务。我们提出了WikilinksNED，一个来自网页的文本片段大规模NED数据集，它比现有的基于新闻的数据集显著更噪声且更具挑战性。为捕捉每个提及周围有限且含噪的局部上下文，我们设计了一个神经模型，并采用一种采样信息量负例的新方法进行训练。我们还描述了一种初始化词与实体嵌入的新方法，显著提升了性能。我们的模型在WikilinksNED上显著优于现有最先进方法，同时在较小的新闻专线数据集上取得了可比性能。
引用
@article{arxiv.1706.09147,
title = {Named Entity Disambiguation for Noisy Text},
author = {Yotam Eshel and Noam Cohen and Kira Radinsky and Shaul Markovitch and Ikuya Yamada and Omer Levy},
journal= {arXiv preprint arXiv:1706.09147},
year = {2017}
}
备注
Accepted to CoNLL 2017