NASTyLinker：基于可感知NIL的可扩展Transformer实体链接器
计算与语言
2023-03-14 v2 人工智能
信息检索
摘要
实体链接(EL)是检测文本中实体提及并将其消歧至参考知识库的任务。大多数主流EL方法假设参考知识库是完整的。然而在实践中，有必要处理链接到知识库中未包含实体(NIL实体)的情况。近期工作表明，相较于仅关注提及与实体间的亲和度，考虑提及间亲和度可用于通过生成提及簇来表示NIL实体。同时，提及间亲和度可大幅改善已知实体的链接性能。通过NASTyLinker，我们提出了一种感知NIL实体并产生相应提及簇，同时保持已知实体高链接性能的EL方法。该方法基于来自Transformer的稠密表示对提及和实体聚类，并通过计算传递性提及-实体亲和度解决冲突(若多于一个实体被分配给一个簇)。我们在NILK上展示了NASTyLinker的有效性与可扩展性，NILK是显式构建用于评估涉及NIL实体的EL的数据集。此外，我们将所提方法应用于实际EL任务，即通过对Wikipedia列表中的实体进行链接来实现知识图谱填充，并对结果提供分析。
引用
@article{arxiv.2303.04426,
title = {NASTyLinker: NIL-Aware Scalable Transformer-based Entity Linker},
author = {Nicolas Heist and Heiko Paulheim},
journal= {arXiv preprint arXiv:2303.04426},
year = {2023}
}
备注
Preprint of a paper in the research track of the 20th Extended Semantic Web Conference (ESWC'23)