重新审视少样本实体链接中的稀疏检索
计算与语言
2023-10-20 v1
摘要
实体链接旨在将歧义提及链接到知识库中对应的实体。关键挑战之一在于特定领域的标注数据不足。尽管稠密检索器在多个基准上取得了优异性能，但当仅有少量领域内标注数据可用时，其性能显著下降。在此少样本设定下，我们重新审视稀疏检索方法，并提出一种基于ELECTRA的关键词提取器，以对提及上下文去噪并构建更好的查询表达。为训练该提取器，我们提出一种远程监督方法，基于提及上下文与实体描述间的重叠词元自动生成训练数据。在ZESHEL数据集上的实验结果表明，所提方法在所有测试领域均以显著优势超越最先进模型，显示了关键词增强稀疏检索的有效性。
引用
@article{arxiv.2310.12444,
title = {Revisiting Sparse Retrieval for Few-shot Entity Linking},
author = {Yulin Chen and Zhenran Xu and Baotian Hu and Min Zhang},
journal= {arXiv preprint arXiv:2310.12444},
year = {2023}
}
备注
EMNLP 2023