TempEL：链接动态演化和新出现的实体
计算与语言
2023-02-07 v1
摘要
在我们不断演化的世界中，实体会随时间变化，并且会出现新的、以前不存在或未知的实体。我们研究了这种演化场景如何影响一个成熟的实体链接（EL）任务的性能。为了这项研究，我们引入了TempEL，一个实体链接数据集，它由从2013年到2022年的时间分层英文维基百科快照组成，我们从中收集了实体的锚文本提及以及这些目标实体的描述。通过捕捉这些时间方面，我们新引入的TempEL资源与当前现有的实体链接数据集形成对比，后者由链接到单一静态版本目标知识库（例如，CoNLL-AIDA使用维基百科2010）的固定提及组成。实际上，对于我们收集的每个时间快照，TempEL包含指向持续实体（即，在所有年份中都出现）的链接，以及指向在某个时间点首次出现的全新实体的链接。因此，我们能够量化当前最先进的EL模型在以下方面的性能：(i) 在知识库描述及其提及上下文中随时间发生变化的实体，以及 (ii) 以前不存在（例如，在EL模型训练时）的新创建实体。我们的实验结果表明，在时间性能退化方面，(i) 持续实体的EL准确率下降高达3.1%，而 (ii) 对于新实体，这种准确率下降高达17.9%。这凸显了所引入的TempEL数据集的挑战性，并为时间演化实体消歧领域开辟了新的研究前景。
引用
@article{arxiv.2302.02500,
title = {TempEL: Linking Dynamically Evolving and Newly Emerging Entities},
author = {Klim Zaporojets and Lucie-Aimee Kaffee and Johannes Deleu and Thomas Demeester and Chris Develder and Isabelle Augenstein},
journal= {arXiv preprint arXiv:2302.02500},
year = {2023}
}