ReFinED：一种具备零样本能力的高效端到端实体链接方法
计算与语言
2022-07-12 v1
摘要
我们介绍了 ReFinED，一种高效的端到端实体链接模型，它利用细粒度实体类型和实体描述来执行链接。该模型在单次前向传播中对文档内所有提及进行提及检测、细粒度实体类型标注和实体消歧，使其比有竞争力的现有方法快 60 倍以上。ReFinED 还在标准实体链接数据集上以平均 3.7 F1 超越最先进性能。该模型能够泛化到大规模知识库如 Wikidata（其实体数比 Wikipedia 多 15 倍），并支持零样本实体链接。速度、精度和规模的结合使 ReFinED 成为从网页规模数据集中提取实体的高效且经济实惠的系统，该模型已成功部署于此。我们的代码和预训练模型可在 https://github.com/alexa/ReFinED 获取。
引用
@article{arxiv.2207.04108,
title = {ReFinED: An Efficient Zero-shot-capable Approach to End-to-End Entity Linking},
author = {Tom Ayoola and Shubhi Tyagi and Joseph Fisher and Christos Christodoulopoulos and Andrea Pierleoni},
journal= {arXiv preprint arXiv:2207.04108},
year = {2022}
}
备注
Accepted at NAACL Industry Track 2022