May, 2023

极地鸭与寻找它们的方法：通过鸭子类型和极地盒嵌入增强实体链接

PDF
TL;DR本文提出了 DUCK 方法，在实体表示的空间中注入结构信息，使用实体类型的先前知识，并将关系表示为超球上的盒子，优化模型以将相似类型的实体放置在与其关系对应的盒子中。实验结果表明，该方法在标准实体消歧基准测试上设置了新的最佳结果，提高了模型的性能达 7.9 个 F1 点，优于其他类型感知方法，并与具有 18 倍更多参数的生成模型的结果相匹配。
发现论文，激发创造
  • 使用盒形嵌入模型精细建模实体类型

    本文研究使用盒子嵌入（box embeddings）模型来更好地捕捉细粒度实体类型之间的复杂相互依存关系，并与矢量嵌入模型进行比较，在几个实体类型基准测试中表现出最先进的性能和更好的预测一致性和置信度。

    Jan, 2021

  • DeepType: 神经类型系统发展的多语言实体链接

    DeepType 是一种将符号信息显式地集成到神经网络推理过程中的模型，它通过构建类型系统并将其用于限制神经网络输出的符号结构来解决判断结构以及有效地捕捉信息的问题。在实验中，它用于 Entity Linking 任务，优于人工设计类型系统或最近使用深度学习相似性度量的方案，同时使用符号信息可以无需重新训练即可集成新实体。

    Feb, 2018

  • 超伪空间中的细粒度实体类型划分

    本文研究了采用双曲嵌入表示大型实体类型库中的层次信息，以捕捉上下文中提及和目标类型之间的层次关系，从而提高实体类型命名性能。研究表明，双曲模型在不同的技术和数据集上表现出提高的效果，但在技术代码和数据集细节方面的差异也存在影响。

    Jun, 2019

  • 领域无关实体链接的细粒度实体类型划分

    该论文介绍了一种可以构建鲁棒实体链接模型的方法，该方法将注意力放在建立细粒度实体属性的模型上，具有更好的泛化性能，使用维基百科类别的大型库存来远程标记数据并训练实体类型模型，使用软类型预测将提及链接到最相似的候选实体上。

    Sep, 2019

  • 通过大规模打标实现可解释的实体表示

    本研究提出了一种利用细粒度实体类型推断模型生成具备人类可读性，且能够直接用于实体相关任务的实体表示向量的方法，并针对特定领域实体优化表征，通过少量规则增加领域知识以提高性能。

    Apr, 2020

  • 连接嵌入对知识图谱实体类型进行分类

    本文提出了一种新方法，通过共同利用现有实体类型和知识图谱中的全局三元组知识以及两个嵌入模型，推断知识图谱中缺失的实体类型实例；在真实数据集上实验结果显示，此方法和模型可以有效地提高知识图谱实体分类。

    Jul, 2020

  • 建模潜在实体类型信息以提升实体链接

    提出一种基于 BERT 预训练和实体相似度分数的实体链接模型，通过注入潜在的类型信息到实体嵌入中，并结合一种基于 BERT 的实体相似度分数，显著提高了实体链接模型的性能。

    Jan, 2020

  • 实体链接技术优化细粒度实体类型划分

    通过实体链接，结合上下文信息和查询结果，我们提出了一种深度神经模型，用于精细化实体类型分类。在两个数据集上的实验结果表明，相对当前最先进水平，我们的方法分别取得了超过 5％的绝对严格准确度提高。

    Sep, 2019

  • 使用语义嵌入进行大型图形的监督式打标

    提出了一种监督算法来生成类型嵌入，该算法与给定实体嵌入集在相同的语义向量空间中工作。使用最先进的可视化技术，展示了算法在 DBpedia 本体论中的效果。最终，我们使用这些 embedding 将大约 4 百万个 DBpedia 实例概率聚类到 415 种类型。

    Mar, 2017

  • AutoETER：用于知识图谱嵌入的自动化实体类型表示

    我们开发了新型的 KGE 框架，使用智能化实体类型嵌入自动化技术，可以更好地表示实体的信息并可同时推断出对称性、倒置性、组合关系以及 1-N、N-1 和 N-N 等复杂关系，相较于现有的先进基础线性任务，实验表明我们提出的模型对于关系预测具有明显的优势。

    Sep, 2020