面向跨语言实体链接的零样本神经迁移
计算与语言
2018-11-13 v1
摘要
跨语言实体链接将源语言中的实体提及映射到位于不同（目标）语言的结构化知识库中对应的条目。先前的工作严重依赖双语词汇资源来弥合源语言与目标语言之间的鸿沟，而这些资源对于许多低资源语言而言稀缺或不可用。为解决该问题，我们研究了零样本跨语言实体链接，其中我们假设源低资源语言中无可用的双语词汇资源。具体而言，我们提出基于枢纽语言的实体链接，其利用来自高资源“枢纽”语言的信息来训练字符级神经实体链接模型，并以零样本方式迁移至源低资源语言。通过在 9 种低资源语言上的实验以及经由总计 54 种语言的迁移，我们表明所提出的基于枢纽语言的框架在零样本场景下相较基线系统的实体链接准确率平均绝对提升 17%。此外，我们还研究了语言通用的音系表征的使用，其在使用不同文字的语言间迁移时将平均准确率（绝对值）提升了 36%。
引用
@article{arxiv.1811.04154,
title = {Zero-shot Neural Transfer for Cross-lingual Entity Linking},
author = {Shruti Rijhwani and Jiateng Xie and Graham Neubig and Jaime Carbonell},
journal= {arXiv preprint arXiv:1811.04154},
year = {2018}
}
备注
To appear in AAAI 2019