基于 Transformer 的维基百科列表中的主体实体检测
信息检索
2022-10-05 v1
摘要
在问答或文本摘要等任务中，具备关于相关实体的背景知识至关重要。在 DBpedia 或 CaLiGraph 等公开知识图谱中，关于实体——尤其是长尾或新兴实体——的信息远不完整。本文提出一种方法，利用列表（如枚举和表格）的半结构化特性来识别列表项（即条目和行）的主要实体。这些我们称之为主体实体的实体可用于提高知识图谱的覆盖率。我们的方法使用 transformer 网络在词元级别识别主体实体，在性能上超越已有方法且受限更少。由于灵活的输入格式，它适用于任意类型的列表，并且与先前工作不同，不依赖于作为输入提供的实体边界。我们通过对完整维基百科语料库应用该方法来展示我们的方法，提取了 4000 万条主体实体提及，估计精确率为 71%、召回率为 77%。结果已并入最新版本的 CaLiGraph。
引用
@article{arxiv.2210.01482,
title = {Transformer-based Subject Entity Detection in Wikipedia Listings},
author = {Nicolas Heist and Heiko Paulheim},
journal= {arXiv preprint arXiv:2210.01482},
year = {2022}
}
备注
Published at Deep Learning for Knowledge Graphs workshop (DL4KG) at International Semantic Web Conference 2022 (ISWC 2022)