ACLMay, 2023

学习不链接：探索实体链接中的 NIL 预测

PDF
TL;DR本文提出了一个实体链接数据集 NEL 来研究 NIL 预测问题，该数据集利用预训练语言模型捕捉语义特征并分类 Missing Entity 和 Non-Entity Phrase。研究结果表明，训练数据中的两种类型的 NIL 提及对 NIL 预测的准确性有显著影响。
entity linkingpretrained language modelsnil predictionnel datasetbi-encoder and cross-encoder models
发现论文，激发创造
  • NASTyLinker: 基于 Transformer 的 NIL 感知可扩展实体链接器

    该研究提出了一种新的实体链接方法，利用 Transformers 构建密集表示并考虑了 NIL 实体情况，通过产生相应的提及聚类同时保持良好的实体链接表现，该方法以 NILK 数据集为基础进行了评估并在维基百科列表中的实体链接任务中进行了应用和分析。

    Mar, 2023

  • 揭示未知：使用实体链接技术进行知识库外提及发现

    提出了基于 BERT 的实体链接方法 BLINKout，该方法结合了 NIL 表示、NIL 分类和同义词增强等多种技巧，能够识别没有对应知识库实体的提及，并通过本体修剪和版本控制等策略，从正常的知识库内实体链接数据集中构建出不在知识库内的提及。在 4 个医学本体数据集上的实验结果表明，BLINKout 方法在 UMLS 和 SNOMED CT 等医学本体的不在知识库内提及检测方面表现优异。

    Feb, 2023

  • 寻找资金：使用不完整的资金知识库进行实体链接

    该研究提出了一种基于 transformer 的实体链接模型，可在信息稀缺的情况下进行 NIL 预测，并且在自动提取资金信息，实体链接等方面具有显著的优势。

    Sep, 2022

  • 用于实体发现和链接的神经网络模型

    本论文描述了 USTC_NELSLIP 系统，在 2016 年 TAC 知识库填充 (KBP) 竞赛中提交的 Trilingual Entity Detection and Linking (EDL) 赛道，使用了两种方法进行实体发现和提及检测 (即使用 条件 RNNLM 和基于注意力的编码器解码器框架)，将实体链接 (EL) 系统分为两个模块：基于规则的候选生成和神经网络概率排名模型。此外，还使用一些简单的字符串匹配规则进行 NIL 聚类，在结束时，我们的最佳系统在整个类型提及 CEAF 加度量中取得了 0.624 的 F1 值。

    Nov, 2016

  • 在生物医学实体链接中探索部分知识库推理

    本研究探讨生物医学实体链接领域和命名实体识别和消歧方面的问题，分析了在局部知识库推理的情况下，EL 模型的性能下降严重，提出了两种简单而有效的方法来解决 NIL 问题。

    Mar, 2023

  • 命名实体链接的强启发式方法

    通过使用轻量级易扩展的启发式方法，我们考虑如何在新闻语料库中的 Quotebank 上进行个人实体消歧，其表现优于最先进的无监督和零 - shot 方法，并成为无监督和零 - shot 实体链接的强基线。

    Jul, 2022

  • 基于深度学习的实体链接模型综述

    综述了自 2015 年以来，神经实体链接 (EL) 系统的最新发展，目的是系统化神经实体链接系统的设计特征，并将其性能与常见基准测试中的经典方法进行比较。该文从候选生成、提及 - 上下文编码和实体排名等方面讨论了神经 EL 系统的通用架构，总结了每个方法的突出特点。

    May, 2020

  • 通过建模提及之间的潜在关系来提高实体链接

    本研究提出了一种新的神经实体链接模型，将实体链接中的关系视为潜在变量，并在优化实体链接系统的同时诱导这些关系，同时取得了 AIDA-CoNLL 基准测试上最好的结果。

    Apr, 2018

  • 使用多个嵌入表示的实体命名链接

    提出了一种基于多重嵌入的命名实体链接方法，并在 Namesakes 数据集上评估了其性能。发现创建知识库实体所需的最少提及数量对 NEL 性能非常重要，并可通过调整知识库数据来改善表示，同时也发现多样化新闻语料库的语言模型比公共数据集更适合命名实体链接中的嵌入。

    May, 2022

  • 通过阅读实体描述进行零样本实体链接

    本研究提出了零样本实体链接任务，通过大规模无标记数据预训练的强阅读理解模型与适应性预训练策略，成功实现了无先验标注数据的实体链接，并在新数据集上获得了比 BERT 等强预训练模型更好的表现。

    Jun, 2019