神经实体链接：基于深度学习的模型综述
计算与语言
2022-04-08 v4
摘要
本综述对自2015年自然语言处理“深度学习革命”以来开发的近期神经实体链接（EL）系统进行了全面描述。其目标是将神经实体链接系统的设计特征系统化，并在通用基准上将其性能与卓越的经典方法进行比较。本文提炼出神经EL系统的通用架构，并讨论其组成部分，如候选生成、提及上下文编码和实体排序，总结各部分的主要方法。该通用架构的大量变体按若干共同主题分组：联合实体提及检测与消歧、全局链接模型、包括零样本和远程监督方法在内的领域无关技术，以及跨语言方法。由于许多神经模型利用实体和提及/上下文嵌入来表示其含义，本文也概述了主要的实体嵌入技术。最后，本综述触及实体链接的应用，重点关注基于Transformer架构增强深度预训练掩码语言模型这一新兴用例。
引用
@article{arxiv.2006.00575,
title = {Neural Entity Linking: A Survey of Models Based on Deep Learning},
author = {Ozge Sevgili and Artem Shelmanov and Mikhail Arkhipov and Alexander Panchenko and Chris Biemann},
journal= {arXiv preprint arXiv:2006.00575},
year = {2022}
}
备注
Published in Semantic Web journal